3D CNN 在图像序列上的输入形状应该是什么？答案

【问题标题】：What should be the input shape for 3D CNN on a sequence of images?3D CNN 在图像序列上的输入形状应该是什么？
【发布时间】：2021-02-14 19:04:00
【问题描述】：

https://pytorch.org/docs/stable/generated/torch.nn.Conv3d.html#conv3d 描述在 3D CNN 上做卷积的输入是 (N,C_in,D,H,W)。想象一下，如果我有一系列想要传递给 3D CNN 的图像。我说的对吗：

N -> 序列数（小批量）
C_in -> 通道数（RGB 为 3）
D -> 序列中的图像数量
H -> 序列中一张图片的高度
W -> 序列中一张图片的宽度

我问的原因是，当我堆叠图像张量时：a = torch.stack([img1, img2, img3, img4, img5]) 我得到了torch.Size([5, 3, 396, 247]) 的形状，所以必须将我的张量重塑为torch.Size([3, 5, 396, 247]) 以便通道数优先或在 Dataloader 里面没关系？

请注意，Dataloader 会自动添加一个对应于 N 的维度。

【问题讨论】：

标签： python pytorch conv-neural-network dataloader

【解决方案1】：

是的，这很重要，您需要确保尺寸正确排序（假设您使用DataLoader 的默认整理功能）。一种方法是使用dim=1 而不是默认的dim=0 调用torch.stack。例如

a = torch.stack([img1, img2, img3, img4, img5], dim=1)

导致a 成为[3, 5, 396, 247] 的所需形状。

【讨论】：