Python 3D CNN在一系列图像上的输入形状应该是什么？

描述在3D CNN上进行卷积的输入是（N，Cin，D，H，W）。想象一下，如果我有一系列的图像，我想传递给3D CNN。我说得对吗：

N->序列数（小批量）

Cin->通道数（rgb为3个）

D->序列中的图像数

H->序列中一个图像的高度

W->序列中一个图像的宽度

我问这个问题的原因是，当我叠加图像张量时：

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

我得到了一个

torch.Size（[5，3396247]）

的形状，所以必须将我的张量重塑为

torch.Size（[3，5396247]））

这样通道的数量就可以先走，还是在数据加载器内部就无关紧要了

---

请注意，Dataloader会自动添加一个与N相对应的维度。

是的，这很重要，您需要确保维度顺序正确（假设您使用了

Dataloader

的默认校对功能）。一种方法是使用

dim=1

而不是默认的

dim=0

来调用。比如说

a=火炬堆（[img1、img2、img3、img4、img5]，尺寸=1）

结果

a

是

[3,5396247]

的理想形状