我在使用CNN进行体数据分类以分割图像。我使用嵌套的for循环来生成用于神经网络的补丁，但由于我的图像是三维的，这个过程非常耗时。

有没有我没有想到的优化方法？

def data_gen(image, labels, patch_size):""":param image: 3维的图像numpy矩阵:param labels: 3维的掩码numpy矩阵:param patch_size: 所需的补丁尺寸:return: 补丁数组和标签数组"""Patch_array = np.array([])Label_array = np.array([])PS = (patch_size - 1)/2npad = ((PS, PS), (PS, PS), (PS,PS))# 用零填充整个图像以便在边缘生成补丁image_pad = np.pad(image, pad_width=npad, mode='constant', constant_values = 0)# 遍历所有体数据for x in range(PS, image.shape[0]):    for y in range(PS, image.shape[1]):        for z in range(PS, image.shape[2]):            # 将补丁添加到数组中            Patch_array = np.append(Patch_array, image_pad[x-PS:x+PS+1,y-PS:y+PS+1,z-PS:z+PS+1])            Label_array = np.append(Label_array, labels[x,y,z])return Label_array, Patch_array

谢谢！

回答：

Scikit-Image有一个用于此目的的实用函数：

http://scikit-image.org/docs/dev/api/skimage.util.html#view-as-windows

例如：

from skimage.util.shape import view_as_windowswindow_shape = (patch_size, patch_size, patch_size)patch_array = view_as_windows(A, window_shape)

在底层，这使用了numpy.lib.stride_tricks中的as_strided函数。