我在网络内部有一个Tensor(batch_size, height, width, depth, channel)（表示3D体积），需要重新采样。我正在考虑编写一个自定义keras层来完成这一任务。

input = Input()
x = net(input) # another network
x = custom_resample_3d(...)(x)
x = ...

net的输出是(batch_size, 64, 64, 64, 1)。我想使用插值将Tensor大小调整为(batch_size, 256, 256, 32, 1)。
所以我最初的想法是用scipy.ndimage.interpolation.zoom定制一个keras层。

class MyLayer(Layer):

    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(MyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        super(MyLayer, self).build(input_shape)  # Be sure to call this at the end

    def call(self, x):
        return scipy.ndimage.interpolation.zoom(x, ...)

    def compute_output_shape(self, input_shape):
        return ...

有更好的方法吗？或者我需要将keras tensor转换为numpy数组，然后将其转换回Tensor？