Python 带激光扫描的卷积网络-图像大小调整

我用千层面训练了一些神经网络和卷积网络，并用Python进行了大部分数据/图像预处理。不过，我希望将其中一些内容合并到我的千层面中，以使我的代码更加灵活

---

是否有可以调整输入图像大小的千层面？

您可以使用

nolearn.Lasagne.BatchIterator

，而不是在一个层面上进行调整；在以下片段中，我将原始1D信号重新采样为1000点信号：

from nolearn.lasagne import BatchIterator
from scipy.signal import resample
import numpy as np

class ResampleIterator(BatchIterator):

    def __init__(self, batch_size, newSize):
        super(ResampleIterator, self).__init__(batch_size)
        self.newSize = newSize

    def transform(self, Xb, yb):
        X_new = resample(Xb, self.newSize, axis=2).astype(np.float32)    
        return X_new, yb


 myNet = NeuralNet(
 # define your usual other parameters (layers, etc) here

    # and these are the lines you are interested in:
    batch_iterator_train=CropIterator(batch_size=128, newSize=1000),
    batch_iterator_test=CropIterator(batch_size=128, newSize=1000),
    )

---

我不知道您是否使用过

nolearn

，但是，您可以阅读更多关于它的信息（安装、示例）

而不是在一个层中使用

nolearn.lasagne.BatchIterator

；在以下片段中，我将原始1D信号重新采样为1000点信号：

from nolearn.lasagne import BatchIterator
from scipy.signal import resample
import numpy as np

class ResampleIterator(BatchIterator):

    def __init__(self, batch_size, newSize):
        super(ResampleIterator, self).__init__(batch_size)
        self.newSize = newSize

    def transform(self, Xb, yb):
        X_new = resample(Xb, self.newSize, axis=2).astype(np.float32)    
        return X_new, yb


 myNet = NeuralNet(
 # define your usual other parameters (layers, etc) here

    # and these are the lines you are interested in:
    batch_iterator_train=CropIterator(batch_size=128, newSize=1000),
    batch_iterator_test=CropIterator(batch_size=128, newSize=1000),
    )

我不知道您是否使用过

nolearn

，但您可以阅读更多关于它的信息（安装，示例）