Я думаю, что нашел решение, если у вас есть предложения, пожалуйста, сделайте.
@tf.function
def sample_img(img,frame_dim=(80,80),seed=42,n=3,padding='VALID'):
if n > (img.shape[0] * img.shape[1]) // (frame_dim[0] * frame_dim[1]):
padding = 'SAME'
patches = tf.image.extract_patches(tf.reshape(img,shape=(-1,*img.shape)),
[1,*frame_dim,1],
[1,*frame_dim,1],
[1,1,1,1],padding=padding)
patches_res = tf.reshape(patches,shape=(-1,*frame_dim,img.shape[2]))
ixs = tf.reshape(tf.range(patches_res.shape[0],dtype=tf.int64),shape=(1,-1))
ixs_sampled = tf.random.uniform_candidate_sampler(ixs,
patches_res.shape[0],n,
unique=True,range_max=patches_res.shape[0])
ixs_sampled_res = tf.reshape(ixs_sampled.sampled_candidates,shape=(n,1))