我发现在numpy / pytorch中可视化重塑4D 5D阵列真的很难。 （我假设两个都重塑了类似的模式，我目前正在使用pytorch！）。
就像假设我的视频尺寸为[N x C x D x H x W]
（ num videos = x 频道视频 x 制作视频 x 高度视频 x 宽度视频 ）
假设我想将视频整形为[N x C x H x W]，我应该如何进行重塑。
简单应用x = x.reshape(N*D, C, H, W)实际上并没有这样做，它会给出错误的元素顺序。
你能帮助我解决这个问题，以及你使用过的模式的直觉吗？
在旁注中，如果我有一个视频（即假设1x3x100x256x256我使用：
以下代码方法：
x = x.squeeze(0).T.reshape((100,3,256,256))[:,:,None,:,:]并且有效大。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，基于for循环的代码显示我想要的内容
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]
答案 0 :(得分：3)
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）与第一个轴合并并重新整形 -
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。
有关一般的直观方法，请参阅Intuition and idea behind reshaping 4D array to 2D array in NumPy。