如何用TorchVision transforms调整5D PyTorch张量尺寸？

你的问题出在TF.resize会将输入张量的所有尾部维度视为空间维度——你的输入是5D张量(BATCH, CHANNELS, DEPTH, HEIGHT, WIDTH)，对应3个空间维度(DEPTH, HEIGHT, WIDTH)，但你只传入了2个目标尺寸，导致维度数量不匹配。以下是两种不丢失梯度的可行方案：

方案一：使用torch.nn.functional.interpolate（推荐） #

interpolate支持直接指定目标空间维度尺寸，且可以灵活选择仅调整部分维度，同时保持可微分性：

import torch.nn.functional as F

# 你的5D输入张量
a = torch.rand((1, 3, 20, 376, 376))

# 保持DEPTH(20)不变，将HEIGHT和WIDTH调整为200x200
# mode选择'bilinear'适合2D空间插值，align_corners按需设置
b = F.interpolate(a, size=(20, 200, 200), mode='bilinear', align_corners=False)

# 也可以用scale_factor方式，针对HEIGHT和WIDTH按比例缩放：
# b = F.interpolate(a, scale_factor=(1, 200/376, 200/376), mode='bilinear', align_corners=False)

方案二：重排张量维度后使用TF.resize #

如果偏好使用torchvision的工具，可以先将5D张量重排为4D（合并BATCH和DEPTH维度），处理后再恢复原维度结构：

import torchvision.transforms.functional as TF

a = torch.rand((1, 3, 20, 376, 376))
batch_size, channels, depth, h, w = a.shape

# 将(B, C, D, H, W)重排为(B*D, C, H, W)，转为标准4D图像张量格式
a_4d = a.permute(0, 2, 1, 3, 4).reshape(batch_size * depth, channels, h, w)

# 调整HEIGHT和WIDTH到200x200
b_4d = TF.resize(a_4d, (200, 200))

# 恢复为原5D张量结构(B, C, D, H', W')
b = b_4d.reshape(batch_size, depth, channels, 200, 200).permute(0, 2, 1, 3, 4)

两种方案都能保留梯度信息，完全适配训练场景，不会像转numpy那样破坏计算图。

内容的提问来源于stack exchange，提问作者babarjhaq