如何在pytorch图像处理模型中处理具有多个图像的样本？

我的模型训练涉及对同一图像的多个变体进行编码，然后将生成的表示与图像的所有变体相加

数据加载器生成形状的张量批次：

[批次大小、数量变量、1、高度、宽度]

。

1

对应于图像颜色通道

如何在pytorch中使用小批量训练我的模型？ 我正在寻找一种合适的方法，通过网络转发所有batch_size×num_变体图像，并对所有变体组的结果进行汇总

---

我目前的解决方案是将前两个维度展平，然后做一个for循环来求和表示，但我觉得应该有更好的方法，而且我不确定渐变是否会记住所有内容。

我不确定我是否正确理解您的意思，但我想这正是您想要的（假设成批图像张量称为

image

）：

Nb，Nv，inC，inH，inW=image.shape
#将每个变体视为批处理中的普通图像
图像=图像。重塑（Nb*Nv，inC，inH，inW）
输出=模型（图像）
_，outC，outH，outW=output.shape[1]
#重塑输出，使dim==1表示变量
输出=输出。重塑（Nb、Nv、outC、outH、OUT）
#对变量求和并失去求和的维度[Nb，outC，outH，outW]
output=output.sum（dim=1，keepdim=False）

---

我使用了<代码> Inc/<代码> <代码> OTCC ，<代码> In/<代码>等。在输入和输出通道/大小不同的情况下，

您考虑了3D卷积模型吗？它们是为这样的方法设计的。在3D卷积中，可以考虑变量的编号为<代码>深度>代码>输入：<代码> NN。e> 批量大小*通道*深度*高度*宽度@planet\u冥王星我不认为3D卷积是我要寻找的。对图像的操作在变体上共享。对图像的所有变体都是相同的模型。