将DeepLearning4j的INDArray转换为ONNX Tensor时遇数据排列异常

核心原因 #

DL4J的INDArray默认采用**行优先（C-style）内存存储，而ONNX Tensor要求列优先（Fortran-style）**存储。即使两者形状一致，不同的内存存储顺序会导致数据在内存中的排列逻辑相反，直接读取原始数据就会出现你遇到的“列变行”数据错乱问题。

修复代码 #

将INDArray转换为列优先布局后再创建ONNX Tensor：

INDArray ndArray = loader.asMatrix(mat3).permute(0,2,3,1);
// 转换为列优先布局，匹配ONNX的内存存储要求
INDArray fortranOrderArray = ndArray.ordering(Order.F);
OnnxTensor tensor = OnnxTensor.createTensor(env, fortranOrderArray.data().asNioFloat(), fortranOrderArray.shape());

补充说明 #

• 可通过ndArray.order()方法查看当前数组的存储顺序，Order.C代表行优先，Order.F代表列优先。
• 若模型要求特定维度顺序（比如NCHW而非NHWC），需额外确认permute参数是否符合预期，但从你描述的“形状一致”来看，维度顺序是正确的，问题仅出在内存存储顺序上。

内容的提问来源于stack exchange，提问作者IgnacioPL