Python 基于通道将输入图像张量切片或拆分为变量

我试图将形状[batch_size，256256,3]输入图像的张量切片或拆分为三个单独的形状变量[batch_size，256256,1]，其中每个变量正好包含输入图像的一个通道，即

R_通道=图像[-1256256,0]

G_通道=图像[-1256256,1]

B_通道=图像[-1256256,2]

我已针对上述问题尝试了以下代码：

imgs, label = iterator.get_next()

channel_r=imgs[-1,:,:,0]
channel_g=imgs[-1,:,:,1]
channel_b=imgs[-1,:,:,2]
NN_network(imgs,channel_r,channel_g,channel_b)
...
def NN_network(imgs,c_r,c_g,c_b):
    conv1=tf.layers.conv2d(imgs,n_filter,kernel_Size,...)
    conv2=tf.layers.conv2d(c_r,n_filter,kernel_Size,...)
    conv3=tf.layers.conv2d(c_g,n_filter,kernel_Size,...)
    conv4=tf.layers.conv2d(c_b,n_filter,kernel_Size,...)
    concat_layer=tf.concat(axis=3,values=[imgs,c_r,c_g,c_b])

在tensorflow中，但我得到以下错误：

InvalidArgumentError（回溯见上文）：ConcatOp:维度 输入的数量应匹配：形状[0]=[16,12256256]与形状[1]= [1,12256256][[节点LC_Nikon1/concat（定义于）= ConcatV2[N=4，T=DT_浮点，Tidx=DT_INT32， _device=“/job:localhost/replica:0/task:0/device:GPU:0”]（/conv2d/biaadd， /conv2d_1/BiasAdd、/conv2d_2/BiasAdd、/conv2d_3/BiasAdd、， 渐变/调整图像大小（带有“裁剪”或“垫块”1/裁剪到“边界”框/切片/渐变/凹角/轴）]] [{{node 使用“裁剪”或“垫/垫”将“图像”调整到“边界”框/GreaterEqual\u 3/\u 83} =\u Recvclient\u terminated=false，recv\u device=“/job:localhost/replica:0/task:0/device:CPU:0”， send_device=“/job:localhost/replica:0/task:0/device:GPU:0”， 发送设备化身=1， tensor_name=“edge_384_resize_image_，带有裁剪_或_pad/pad_to_bounding_box/greater equal_3”， 张量类型=DT\u BOOL， _device=“/job:localhost/replica:0/task:0/device:CPU:0”]]

如何执行以下操作？此错误是什么原因？

可运行代码：

import tensorflow as tf
import numpy as np

# imgs is supposed to be a tensor
# tf.random.normal available in TF 1.12
imgs = tf.random.normal((16, 256, 256, 3))

channel_r=imgs[:,:,:,0:1]
channel_g=imgs[:,:,:,1:2]
channel_b=imgs[:,:,:,2:3]

n_filter = 16
kernel_Size = 3

def NN_network(imgs,c_r,c_g,c_b):
    conv1=tf.layers.conv2d(imgs,n_filter,kernel_Size)
    conv2=tf.layers.conv2d(c_r,n_filter,kernel_Size)
    conv3=tf.layers.conv2d(c_g,n_filter,kernel_Size)
    conv4=tf.layers.conv2d(c_b,n_filter,kernel_Size)
    concat_layer=tf.concat(axis=3,values=[imgs,c_r,c_g,c_b])

NN_network(imgs,channel_r,channel_g,channel_b)

您的错误消息是

shape[0]

（即

imgs

的形状）等于

[16,12256256]

，但

shape[1]

（即

c\r

的形状）等于

[1,12256256]

（它们的第0维不匹配）

这是因为您设置了

channel\u r=imgs[-1，：，：，0]

，其第0个维度与

imgs

的维度不匹配

我已经将

channel\u r=imgs[-1，：，：，：，0]

更改为

channel\u r=imgs[：，：，：，0:1]

，这样得到的

channel\u r

将有4个维度，并且只与“imgsat 3rd dimension”不同