Pytorch Conv3D尺寸不小于’；NIFTI数据是否有意义？

因此，我正在使用.nii（NIFTI1格式）为医学图像编写自定义数据集，但存在一个混乱

My dataloader返回形状

torch.Size（1,1256256,51）

。但是NIFTI体积使用解剖轴，不同的坐标系，因此排列轴没有任何意义，我通常会使用由2D图像组成的体积，每个图像单独存储在本地驱动器中，带有51个切片图像（或深度），因为Conv3D遵循惯例

（N，C，D，H，W）。

---

因此，

torch.Size（1,1256256,51）

（通常51是深度）不符合约定

（N，C，D，H，W）

，但我不应该排列轴，因为数据使用完全不同的坐标系？

在pytorch 3d卷积层中，进行卷积的3个维度的命名并不重要（例如，与高度相比，该层实际上没有对深度进行特殊处理）。所有差异都来自内核大小参数（如果使用该参数，还包括填充）。如果您排列维度并相应地排列内核大小参数，则不会发生任何变化。因此，您可以使用例如

x.permute（0，1，4，2，3）

来排列输入的维度，或者继续使用初始张量，深度作为最后一个维度

只是想澄清一下-如果您想在DxHxW图像上使用

kernel\u size=（2,10,10）

，现在您可以在HxWxD图像上使用

kernel\u size=（10,10,2）

。如果您想让所有代码显式地假设维度顺序始终是D，H，W，那么您可以使用

x.permute创建具有置换维度的张量（0,1,4,2,3）

---

如果我误解了您的问题，请告诉我。

不太清楚您所说的“完全不同的坐标系”是什么意思。你能详细说明问题是什么吗？也不清楚你的意图是什么：你有一个预先训练好的模型，你想应用到新数据上，它与模型训练的内容不同吗？或者你想从头训练一个新模型吗？我想从头训练一个新模型。因为我的模型使用卷积层，所以遵循（N，C，D，H，W）的约定，但从数据加载器返回的形状不同（N，C，W，H，D）…但由于数据是NIFTI体积，我认为我不应该更改轴，因为数据遵循解剖坐标系。现有数据的具体问题是什么？它有3维，正如您希望的三维卷积。我缺少什么？我应该保持轴的原样吗？还是应该将其置换为（n，c，d，h，w）来自（n，c，w，h，d）？请考虑接受答案（除了回答）（在答案的左边按一个复选标记）。