Python 如何处理三维卷积神经网络的数据？

我有一个

11*11*21

3D数据的集合，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）。当我试图运行该程序时，出现了以下错误

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

然后我意识到3D转换将5D张量作为输入，因此我一直在研究如何为网络创建5D张量输入

如果有帮助的话，这里是我当前用于为convnet创建数据的代码

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)

---

是的，你需要使用5维张量。默认情况下，张量格式应为

NCDHW

，其中：

“N”-批量大小， "C"频道,， “H”-高度 “W”-宽度 “D”-深度

卷积应用于“D”、“H”和“W”维

因此，如果缺少通道维度（并且正在处理灰度数据），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)

---

我运行了你的代码，a.shape看起来仍然是（64L，11L，11L，21L），我可能做错了什么吗？哦，抱歉搞混了。当然，

a

不会改变，它是具有适当维度的函数的结果。因此，只需将上次执行的结果分配给一个新变量，如

b=a.expand_dims（1）

或重用

a

如

a=a.expand_dims（1）

。