PyTorch：将RGB图像张量分割为四个并集成到批处理数据加载中

Question

我的FloatTensor为（3,768,768），我想将其拆分为四个，所以（4,3,384,384）（我不想调整图像的大小，因为数据完整性很重要）。我可以做的很详细：

    ...
    img = torch.FloatTensor(sc[str(s)][:3]) # Load in from HDF5 dataset (3,768,768)
    imq1 = img[:,0:384,0:384] # top left
    imq2 = img[:,384:768,0:384] # top right
    imq3 = img[:,0:384,384:768] # bottom left
    imq4 = img[:,384:768,384:768] # bottom right
    im_list = [imq1,imq2,imq3,imq4]

    im = torch.zeros((4,3,384,384))
    for i in range(4):
        im[i] = im_list[i]
    ...

但是，如果我在自定义数据加载器中执行此操作，则无法再正确实现批处理。如果我的批次大小为4，那么我的批次大小为（4,4,3,384,384）。如何针对批次执行图像张量的“滑动窗口”或“拆分”？

我当前的解决方法是使用1的批量大小实现以下目标：

    for (img, label) in enumerate(dataloader):
        img = img[0].to(device)
        ...

这不理想。