从这个问题如何将 Nifti 文件转换为 Numpy 数组?,我创建了一个 nifti 图像的 3D numpy 数组。我对这个数组做了一些修改,比如我通过添加零填充来改变数组的深度。现在我想将此数组转换回 nifti 图像,我该怎么做?
我试过:
imga = Image.fromarray(img, 'RGB')
imga.save("modified/volume-20.nii")
Run Code Online (Sandbox Code Playgroud)
但它不识别nii扩展名。我也试过:
nib.save(img,'modified/volume-20.nii')
Run Code Online (Sandbox Code Playgroud)
这也不起作用,因为如果我想使用功能img必须是。在上面的两个例子中都是一个 3D numpy 数组。nibabel.nifti1.Nifti1Imagenib.saveimg
这段代码中的错误是什么:
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
struct symtab{
string name;
string location;
};
vector<symtab> symtab_details;
bool search_symtab(string s){
if (find (symtab_details.begin(), symtab_details.end(), s)!=symtab_details.end()) return true;
return false;
}
int main() {
bool get = search_symtab("ADD");
return 0;
}
Run Code Online (Sandbox Code Playgroud)
我收到以下错误:
usr/include/c ++/4.8.2/bits/stl_algo.h:166:17:错误:不匹配'operator =='(操作数类型是'symtab'和'const std :: basic_string')if(*__ first == __val)
这似乎是一个 XY 问题,但最初我有大量数据并且我无法在给定的资源中进行训练(RAM 问题)。所以我想我可以使用batch的功能Pytorch。但我想使用除深度学习之外的 KNN、随机森林、聚类等方法。那么有可能吗,或者我可以在 Pytorch 中使用 scikit 库吗?
我正在使用c++11。当我使用+=运算符来压缩字符串或字符时,它不起作用,但是=起作用。
例如,我独立地(即分别使用了以下所有测试用例)。
string s="abdddddd";
string ss="";
ss+=s[0];//working
ss+=s[0]+s[1]; //not working output: Ã
ss+="hi"+s[2]; //not working no output
ss+='d'+'c'; //not working output: ?
ss+="hi"+"string"; //not working error: invalid operands of types ‘const char [3]’ and ‘const char [7]’ to binary ‘operator+’
string another="this";
ss+=another+'b'; //working
ss+="hi"+another;//working
ss+=("hi"+s[3]); //not working
ss=ss+"hi"+s[3]; //working
ss=ss+"hi"+"this"; //working
Run Code Online (Sandbox Code Playgroud)
另外添加括号也不起作用。所以,我想知道为什么它不能与字符串一起使用,而是可以与整数相加。
我想知道这两个在“时间复杂度”方面哪个更好:
for(int i=0;i<n;i++){
s=s+"0";
}
Run Code Online (Sandbox Code Playgroud)
和
for(int i=0;i<n;i++){
s+="0";
}
Run Code Online (Sandbox Code Playgroud)
我正在解决一个问题,在使用第一种方法时发现“TLE(时间限制超出)”,但它适用于第二种方法。
c++ ×3
string ×2
algorithm ×1
c++11 ×1
neuro-image ×1
nibabel ×1
nifti ×1
numpy ×1
python ×1
python-3.x ×1
pytorch ×1
scikit-learn ×1
struct ×1
vector ×1