tensorflow: a Implementation of rotation ops (旋轉的函數實現方法)

tensorflow 旋轉矩陣的函數實現方法

關鍵字: rot90, tensorflow

1. 背景

在做資料增強操作過程中, 很多情況需要對映像旋轉和平移等操作, 針對一些特殊的卷積(garbo conv)操作,還需要對卷積核進行旋轉操作.
在tensorflow中似乎沒有實現對4D tensor的旋轉操作.
嚴格的說: tensorflow對tensor的翻轉操作並未實現, 僅有針對3D tensor的tf.image.rot()
而在大多數的情況下使用的是4D形式的tensor, [B,W,H,C] 或者是3D的映像組成的batchs.

通過查看這篇文章的代碼可以知道1 可以使用numpy的rot90()函數旋轉, 但是rot90對象是ndarray, 針對tensorflow.tensor對象而言顯然是無法使用的, 會拋出類似: 無法找到m.dim屬性的異常.
也就是說無法使用numpy.rot90() 函數.

又知, tensorflow中提供有對矩陣的翻轉, 轉置,切片操作的函數,但是沒有提供旋轉90°, 180°,270°的操作.
因此可以參照numpy.rot90(m, k=1, axes=(0,1))的程式片段去自己動手實現.
rot90中的第一個參數m是操作對象, k是旋轉的次數,k=1 代表逆時針旋轉90度, k=2 代表逆時針旋轉180度,以此類推
axes是代表旋轉的操作在哪兩個維度構成的平面上.

rot90的原始碼如下:

def rot90(m, k=1, axes=(0,1)):    '''    ......    '''    # 省略檢測參數的操作    k %= 4    if k == 0:        return m[:]    if k == 2:        return flip(flip(m, axes[0]), axes[1])    axes_list = arange(0, m.ndim)    (axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],                                                axes_list[axes[0]])    if k == 1:        return transpose(flip(m,axes[1]), axes_list)    else:        # k == 3        return flip(transpose(m, axes_list), axes[1])

PS: 通過閱讀上述的代碼,也可以發現在tensorflow中直接使用rot90所拋出的異常是在這裡出現的

if axes[0] == axes[1] or absolute(axes[0] - axes[1]) == m.ndim

原因是: 程式把tensor對象當成np.ndarray操作了, 而tensor對象沒有m.dim屬性

2. 實現rot90操作2.1 梳理程式流程

通過查看原始碼可以梳理出程式流程圖:

2.2 tensorflow 實現旋轉操作

根據上述的流程圖, 可以實現對tensorflow的rot90操作;

def rot90(tensor,k=1,axes=[1,2],name=None):    '''    autor:lizh    tensor: a tensor 4 or more dimensions    k: integer, Number of times the array is rotated by 90 degrees.    axes: (2,) array_like        The array is rotated in the plane defined by the axes.        Axes must be different.        -----    Returns    -------    tensor : tf.tensor             A rotated view of `tensor`.    See Also: www.tensorflow.org/api_docs/python/tf/image/rot90     '''    axes = tuple(axes)    if len(axes) != 2:        raise ValueError("len(axes) must be 2.")            tenor_shape = (tensor.get_shape().as_list())    dim = len(tenor_shape)        if axes[0] == axes[1] or np.absolute(axes[0] - axes[1]) == dim:        raise ValueError("Axes must be different.")            if (axes[0] >= dim or axes[0] < -dim         or axes[1] >= dim or axes[1] < -dim):                raise ValueError("Axes={} out of range for tensor of ndim={}."            .format(axes, dim))    k%=4    if k==0:        return tensor    if k==2:        img180 = tf.reverse(tf.reverse(tensor, axis=[axes[0]]),axis=[axes[1]],name=name)        return img180        axes_list = np.arange(0, dim)    (axes_list[axes[0]], axes_list[axes[1]]) = (axes_list[axes[1]],axes_list[axes[0]]) # 替換        print(axes_list)    if k==1:        img90=tf.transpose(tf.reverse(tensor,axis=[axes[1]]), perm=axes_list, name=name)        return img90    if k==3:        img270=tf.reverse( tf.transpose(tensor, perm=axes_list),axis=[axes[1]],name=name)        return img270

2.3 代碼測試

# 載入庫import numpy as npimport matplotlib.pyplot as pltimport tensorflow as tf# 手寫體資料集 載入from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("/home/lizhen/data/MNIST/", one_hot=True)sess=tf.Session()#選取資料 4Dimages = mnist.train.imagesimg_raw = images[0,:] # [0,784]img=tf.reshape(img_raw,[-1,28,28,1]) # img 現在是tensor# 繪圖def fig_2D_tensor(tensor):# 繪圖    #plt.matshow(tensor, cmap=plt.get_cmap('gray'))    plt.matshow(tensor) # 彩色映像    # plt.colorbar() # 顏色條    plt.show()# 顯 顯示 待旋轉的圖片fig_2D_tensor(sess.run(img)[0,:,:,0]) # 提取ndarray

簡單的測試一下代碼:

img11_rot=rot90(img,2) # 旋轉兩次90fig_2D_tensor(sess.run(img11_rot)[0,:,:,0]) # 列印映像img12_rot=rot90(img,1,[1,1]) # 拋出異常,  測試 Axes must be different.img13_rot=rot90(img,1,[0,6]) # 拋出異常,  測試 Axes must be different.img14_rot=rot90(img,axes=[1,5])# 拋出異常,測試out of range.img14_rot=rot90(img,axes=[-1,2]) # -1的下標是倒數第二個,測試out of range.

測試結果:

3總結

okey了,現在可以用了.
.....

額,,,,,最近才發現tensorflow的最新版本,大約就在前幾天發布的新版本(14天前, 1.10.1 )上已經添加了對2D,3D映像的操作,支援[B,W,H,C]格式的tensor做出旋轉2

星期五, 07. 九月 2018 02:49下午

參考文獻

1. Understanding 2D Dilated Convolution Operation with Examples in Numpy and Tensorflow with Interactive Code

2. tensorflow/python/ops/image_ops#rot90