如何处理 3d 卷积神经网络的数据？答案

【问题标题】：How to process data for 3d convolutional neural network?如何处理 3d 卷积神经网络的数据？
【发布时间】：2018-08-07 12:23:29
【问题描述】：

我有一组11*11*21 3D 数据，我想使用 3D convnet 进行分类。通过使用批量大小为 64 的 gluon 数据加载器，我的网络输入张量为 (64L, 11L, 11L, 21L)。当我尝试运行该程序时，出现以下错误。

"infer_shape error. Arguments:
data: (64L, 11L, 11L, 21L)"

然后我意识到 3D 转换需要 5D 张量作为输入，因此我被困在如何为网络创建 5D 张量输入。

如果这有帮助的话，我目前正在使用代码来为 convnet 创建数据。

train_dataset = mx.gluon.data.ArrayDataset((noA_list+A_list),     (label_noA+label_A))
test_dataset = mx.gluon.data.ArrayDataset((noA_test_list+A_list_test),(label_noA_test+label_A_test))
train_data = mx.gluon.data.DataLoader(train_dataset, batch_size= 64,shuffle= True, num_workers = cpucount)
test_data = mx.gluon.data.DataLoader(test_dataset,batch_size= 64,shuffle= True, num_workers = cpucount)

【问题讨论】：

标签： python conv-neural-network mxnet

【解决方案1】：

是的，您需要 5 维张量才能使用 Conv3d。默认情况下，张量格式应为NCDHW 其中：

‘N’ - 批量大小， 'C' - 通道， ‘H’ - 高度 ‘W’ - 宽度 “D”——深度。

卷积应用于“D”、“H”和“W”维度。

因此，如果您缺少通道维度（并且您正在处理灰度数据），您可以创建此维度：

# a.shape is (64, 11, 11, 21)
a = mx.nd.random.uniform(shape=(64, 11, 11, 21))
# adding 'channel' dimension
a.expand_dims(1)
# new a.shape is (64, 1, 11, 11, 21)

【讨论】：

我运行了你的代码，a.shape 似乎仍然是 (64L, 11L, 11L, 21L)，我是不是做错了什么？
哦，很抱歉造成混乱。当然，a 不会改变，它是函数具有适当维度的结果。因此，只需将上次执行的结果分配给新变量，如 b = a.expand_dims(1) 或重用 a，如 a = a.expand_dims(1)。