3D CNN在一系列图像上的输入形状应该是什么?

Question

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,C_in，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:

1. N→序列数(小批)
2. C<子>→通道数(3为rgb)
3. D→序列中的图像数
4. H→序列中一张图像的高度
5. 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。

Answer 1

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。