如何将张量从 2D 转换为 4D答案

【问题标题】：How to convert tensor from 2D to 4D如何将张量从 2D 转换为 4D
【发布时间】：2021-02-19 07:12:02
【问题描述】：

我目前正在使用 DICOM 文件，而用于 DICOM 文件的 TensorFlow IO 库似乎会引发一些错误。所以我最初做的是这样的：

    # read file bytes
    image_bytes = tf.io.read_file(image_path)

    # Convert to a tensor
    image_as_tensor = tfio.image.decode_dicom_image(image_bytes, dtype=IMAGE_TYPE)

    print(image_as_tensor.get_shape())

(1, 519, 519, 1)

无论如何，我决定用pydicom 加载DICOM 文件，这似乎可以将数据加载到numpy 数组中。然而，当我create a tensor from the data 时，我似乎无法获得正确的尺寸：

        # read into dicom file
        ds = pydicom.dcmread(image_path)
        print(ds.pixel_array.shape)

        # take pixel array, and lets create a tensor
        image_as_tensor = tf.convert_to_tensor(ds.pixel_array, dtype=IMAGE_TYPE)
        print(image_as_tensor.get_shape())

(519, 519)

最终，我确实希望程序的某些后续部分使用 (Z, X, Y, D) 格式，但不确定如何将 2D 张量放入该版本。

谢谢！

【问题讨论】：

X.reshape(1, x_shape, y_shape, 1)

标签： python numpy tensorflow

【解决方案1】：

你可以直接使用numpy.reshape()，例如：

import numpy as np

arr = np.zeros((20, 30))
shape = arr.shape

print(shape)
# (20, 30)

arr = arr.reshape(1, *shape, 1)
print(arr.shape)
# (1, 20, 30, 1)

【讨论】：

【解决方案2】：

你可以从numpy使用expand_dims

X = np.zeros((519, 519))
X.shape # (519, 519)
X_ = np.expand_dims(X, [0, 3])
X_.shape # (1, 519, 519, 1)

【讨论】：