所以我正在为医学图像编写自定义数据集，使用 .nii（NIFTI1 格式），但存在混淆。
我的数据加载器返回 shape torch.Size (1,1,256,256,51)。但是 NIFTI 卷使用解剖轴，不同的坐标系，因此置换轴没有任何意义，我通常会使用由 2D 图像组成的卷，每个图像分别存储在具有 51 个切片图像（或深度）的本地驱动器中，如Conv3D 遵循约定(N,C,D,H,W).
所以torch.Size (1,1,256,256,51)（通常 51 是深度）不遵循约定(N,C,D,H,W)，但我不应该置换轴，因为数据使用完全不同的坐标系？
在 pytorch 3d 卷积层中，您进行卷积的 3 个维度的命名并不重要（例如，与高度相比，该层实际上并没有对深度进行特殊处理）。所有差异都来自 kernel_size 参数（如果使用它，还有填充）。如果您置换尺寸并相应地置换 kernel_size 参数，则不会真正改变。因此，您可以使用 eg 置换输入的维度，也可以x.permute(0, 1, 4, 2, 3)继续使用初始张量，并将深度作为最后一个维度。
澄清一下 - 如果您想kernel_size=(2, 10, 10)在 DxHxW 图像上使用，现在您可以改为kernel_size=(10, 10, 2)在 HxWxD 图像上使用。如果您希望所有代码都明确假设维度顺序始终为 D、H、W，那么您可以使用x.permute(0, 1, 4, 2, 3).
如果我以某种方式误解了您遇到的问题，请告诉我。