Python Tensorflow：从任意长度的复张量中提取连续面片

我试图找出如何从长度可变的复数张量中提取序列面片。提取是作为

tf.data

管道的一部分执行的

如果张量不复杂，我会使用

tf.image.extract\u image\u patches

，如下所示

但是，该函数不适用于复张量。我试过下面的方法，但失败了，因为张量的长度未知

def extract_sequential_补丁（图像）：
图像长度=tf.shape（图像）[0]
num\u patches=图像长度//（128//4）
补丁=[]
对于范围内的i（num_补丁）：
开始=i*128
结束=开始+128
append（图像[开始：结束，…]）
返回tf.stack（补丁）

但是我得到了一个错误：

InaccessibleTensorError: The tensor 'Tensor("strided_slice:0", shape=(None, 512, 2), dtype=complex64)' cannot be accessed here: it is defined in another function or code block. Use return values, explicit Python locals or TensorFlow collections to access it. Defined in: FuncGraph(name=while_body_2100, id=140313967335120)

---

我尝试过用

@tf.function

进行自由修饰，我认为您需要调整索引的计算，以确保它们不会超出范围，但撇开细节不谈，您的代码几乎是

tf.function

所期望的，除了使用Python列表；你需要改用Tensorary

类似的方法应该会奏效（指数计算可能不完全正确）：

您可以找到更多关于Python列表目前无法在中工作的详细信息

---

也就是说，如果extract_image_补丁的内核得到优化，那么使用real/imag技巧可能会更快。我建议对这两种方法进行测试。

你能提供一个可复制的例子（作为函数输入的复数张量）吗？你不能用/来分割数字的实部和虚部，对每一个数字应用实值的解，然后用@jdehesa将它们连接起来吗？我想到了。我担心所有的拆分和重组都会增加很多开销，但也许这就是解决方法。再看看你的代码，你想要一个补丁的“滑动窗口”，就像链接的答案一样，还是像在代码中那样，只是将数据“拆分”成128个元素的一部分？因为我认为你的代码做的和重塑一样？我想要一个滑动窗口。为了简单起见，我刚刚输入了128。我现在就改。

@tf.function
def extract_sequential_patches(image, size, stride):
    image_length = tf.shape(image)[0]
    num_patches = (image_length - size) // stride + 1
    patches = tf.TensorArray(image.dtype, size=num_patches)
    for i in range(num_patches):
        start = i * stride
        end = start + size
        patches = patches.write(i, image[start:end, ...])
    return patches.stack()