Tensorflow 如何裁剪依赖于模型输入的keras图像张量？

我想创建一个keras网络，该网络获取一个遮罩图像（一个矩形区域由零填充的图像）作为一个输入，并获取关于该区域位置的信息作为第二个输入：

• 输入1：蒙版_图像，形状=（128，128，3）

• 输入2:mask_pos，shape=（2，）或（4，）取决于区域大小是固定的还是可变的

我想让我的网络填充“归零”区域，然后提取模型输出的重构区域

我今天遇到的主要问题是：

切片张量

关于我是否需要考虑批量，或者keras是否为我处理这些的困惑

如何使用切片/裁剪过程中第二个输入的值

下面是我当前尝试的代码片段。最后一行基本上显示了我现在所处的困境：我需要填写值BOX_X、BOX_Y和批大小，以便它们在网络训练时动态适应输入。 我真的非常感谢您的帮助，我一直在努力解决这个问题：

我进一步尝试了一下，但得到了一条恼人的错误消息：/

 def extract_mask_region(img, box_x, box_y):
        return K.slice(img, (0, box_x, box_y, 0), (32, 32, 32, 3))

 fill_in = Lambda(lambda args: extract_mask_region(args[0], args[1], args[2]))([filled_img, mask_pos[1], mask_pos[0]])

错误消息： _ValueError:尝试将“begin”转换为张量，但失败。错误：形状 等级必须相等，但为1和0

---

将形状2与其他形状合并。对于输入形状为[]、[2]、[2]、[2]、[2]、[3]的“lambda_28/Slice/packed”（op:“Pack”）。

老实说，我对tensorflow有点失望，因为我们仍然无法做到这一点。我一直在一个接一个地查看线程，但我没有找到一种可以使用矢量化操作的方法。我甚至不能将张量转换回numpy数组，因为tensorflow说它是纯符号的。老实说，我对tensorflow有点失望，我们仍然不能这样做。我一直在一个接一个地查看线程，但我没有找到一种可以使用矢量化操作的方法。我甚至不能将张量转换回numpy数组，因为tensorflow说它是纯符号的。

 def extract_mask_region(img, box_x, box_y):
        return K.slice(img, (0, box_x, box_y, 0), (32, 32, 32, 3))

 fill_in = Lambda(lambda args: extract_mask_region(args[0], args[1], args[2]))([filled_img, mask_pos[1], mask_pos[0]])