重塑 4D/5D 阵列的技巧或模式，（视频到帧）

Question

我发现很难在 numpy/pytorch 中可视化重塑 4D 5D 数组。 （我假设两者都以类似的方式重塑，我目前正在使用 pytorch！）。

假设我有尺寸为 [N x C x D x H x W] 的视频

(视频数 x 频道视频 x 视频帧数 x 高度视频 x 宽度视频)

假设我想将视频重塑为 [N x C x H x W] 的帧，我应该如何进行重塑。

简单地应用x = x.reshape(N*D, C, H, W) 实际上并没有这样做，它给出了错误的元素顺序。

你能帮助我如何做到这一点，以及你使用的模式的任何一点直觉吗？

在旁注中，如果我有一个视频（即假设我使用 1x3x100x256x256：

以下代码方法：

x = x.squeeze(0).T.reshape((100,3,256,256))[:,:,None,:,:] 并且有效

太棒了。无法找出超过 1 个视频。

谢谢！

根据要求：

input = np.random.randn(N,C,D,H,W)
output = np.zeros((N*D,C,H,W))

根据请求，一个基于 for 循环的代码来显示我想要的 for h in range(N): for i in range(D): for j in range(C): for k in range(H): for l in range(W): output[h*D + i,j,k,l] = input[h,j,i,k,l]

Answer 1

只需交换第二个和第三个轴，然后将新的第二个轴（旧的第三个轴）与第一个轴合并并进行整形 -

output = input_array.swapaxes(1,2).reshape(N*D,C,H,W)

我们也可以使用transpose : input_array.transpose(0,2,1,3,4) 来获得相同的交换轴效果。

一般的直观方法请参考Intuition and idea behind reshaping 4D array to 2D array in NumPy。