我有11*11*21 3D数据的集合，我想使用3D转换卷积进行分类。通过使用批处理大小为64的gluon数据加载器，我的网络输入张量为（64L，11L，11L，21L）。当我尝试运行程序时，出现以下错误。
"infer_shape error. Arguments:
data: (64L, 11L, 11L, 21L)"
然后我意识到3D转换将5D张量作为输入，因此我坚持如何为网络创建5D张量输入。
如果这有帮助，那么这是我当前用于为convnet创建数据的代码。
train_dataset = mx.gluon.data.ArrayDataset((noA_list+A_list), (label_noA+label_A))
test_dataset = mx.gluon.data.ArrayDataset((noA_test_list+A_list_test),(label_noA_test+label_A_test))
train_data = mx.gluon.data.DataLoader(train_dataset, batch_size= 64,shuffle= True, num_workers = cpucount)
test_data = mx.gluon.data.DataLoader(test_dataset,batch_size= 64,shuffle= True, num_workers = cpucount)
答案 0 :(得分：0)
是的，使用Conv3d需要5维张量。默认情况下，张量格式应为NCDHW，其中：
“ N”-批量， “ C”-频道 ‘H’-身高 “ W”-宽度 “ D”-深度。
在“ D”，“ H”和“ W”维度上应用了卷积。
因此，如果缺少通道尺寸（并且正在使用灰度数据），则可以创建此尺寸：
# a.shape is (64, 11, 11, 21)
a = mx.nd.random.uniform(shape=(64, 11, 11, 21))
# adding 'channel' dimension
a.expand_dims(1)
# new a.shape is (64, 1, 11, 11, 21)