Python 在Theano中进行3d滑动窗口操作？

TL博士。是否有一个三维友好的实现

我想使用神经网络对体积（nxn）进行体素分类，该神经网络接收nxn图像，其中N>N。要对体积中的每个体素进行分类，我必须遍历每个体素。对于每个迭代，我获取并传递邻域体素作为神经网络的输入。这只是一个滑动窗口操作，该操作是神经网络

虽然我的神经网络是用Theano实现的，但滑动窗口的实现是用python/numpy实现的。由于这不是一个纯Theano操作，因此分类需要永远（>3小时）才能在一个体积中对所有体素进行分类。对于二维滑动窗口操作，Theano有一个辅助方法，

Theano.tensor.nnet.neights.images2neibs

，对于三维图像是否有类似的实现

编辑：

---

现有的n-d滑动窗口的numpy解决方案（和）都使用

np.lib.stride\u技巧。as\u stride

提供“滑动窗口视图”，从而防止内存问题。在我的实现中，滑动窗口数组从numpy（Cython）传递到Python，然后再传递到Theano。为了提高性能，我可能不得不绕过Python。

艾肯伯格和Kastner在sklearn\u theano.feature\u extraction.overfeat中的OverfeatTransformer实用程序将很好地匹配此操作，如OP.

相关讨论所述。或者，您可能想查看

sklearn.feature\u extraction.image.extract\u patches

。这可以让您查看所需的

nxn

多维数据集，而无需复制数据。将其与同样不复制的

np.einsum

结合，您可能会得到在可接受的时间内运行的东西（不保证，从未尝试过）供您参考

sklearn.feature\u extraction.image.extract\u patches

也使用跨步技巧来完成其工作。只需要几行代码和计算就可以得到正确的视图形状。嗯，这是可行的，但只适用于彩色图像。你是如何考虑将其扩展到3D体积的？嗯，你确定吗？请也看看这些东西的命名，就好像它们以前不存在一样。（为了完整起见，只需添加此项——我还没有看过你提到的论文，最终结果才是最重要的）