https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.html#conv3d描述在3D CNN上做卷积的输入为(N,Cin,D,H,W)。想象一下,如果我有一个图像序列,我想传递给3D CNN。我说的对吗:
- N→序列数(小批)
- C<子>子>→通道数(3为rgb)
- D→序列中的图像数
- H→序列中一张图像的高度
- W→序列中单幅图像的宽度
我问的原因是,当我堆叠图像张量时:a = torch.stack([img1, img2, img3, img4, img5])
我得到torch.Size([5, 3, 396, 247])
的形状,所以它是强制性的重塑我的张量到torch.Size([3, 5, 396, 247])
以便通道的数量会先去或者它在数据加载器内无关紧要?
注意,Dataloader会自动增加一个维度,对应于n。
是的,这很重要,您需要确保维度是正确排序的(假设您使用DataLoader
的默认排序函数)。一种方法是使用dim=1
而不是默认的dim=0
来调用torch.stack
。例如
a = torch.stack([img1, img2, img3, img4, img5], dim=1)
导致a
是[3, 5, 396, 247]
的理想形状。