如何将形状为(3,32,32,32)的4维1bit数组合并为3维32bit数组？

核心思路 #

把最后一维的32个二进制位按对应权重累加，每个bit对应2^k的权重（k由该bit在32位整数中的位置决定），最终得到每个位置的32bit整数。

NumPy实现示例 #

假设你的数组是NumPy格式，以下是两种常见位序的处理方式：

情况1：最后一维索引0对应32位整数的最高位（第31位），索引31对应最低位（第0位）

import numpy as np

# 生成示例4维1bit数组（替换成你的实际数组）
bit_array = np.random.randint(0, 2, (3, 32, 32, 32), dtype=np.uint8)

# 生成对应权重：2^31, 2^30, ..., 2^0
weights = 2 ** np.arange(31, -1, -1, dtype=np.int32)

# 按位累加得到3维32bit数组
result = bit_array.dot(weights).astype(np.int32)
# 若需要无符号整数，改用np.uint32

情况2：最后一维索引0对应32位整数的最低位（第0位），索引31对应最高位（第31位）

只需调整权重数组的顺序：

weights = 2 ** np.arange(32, dtype=np.int32)
result = bit_array.dot(weights).astype(np.int32)

PyTorch实现示例（若用深度学习框架） #

import torch

bit_tensor = torch.randint(0, 2, (3, 32, 32, 32), dtype=torch.uint8)
weights = torch.tensor(2 ** torch.arange(31, -1, -1), dtype=torch.int32)

# 调整维度后做矩阵乘法
result = bit_tensor.to(torch.int32).matmul(weights).view(3, 32, 32)

说明 #

• dot/matmul操作会自动将最后一维的32个bit与权重相乘后求和，直接压缩最后一维，得到目标形状(3,32,32)。
• 数据类型选择int32或uint32取决于你需要有符号还是无符号的32位整数。

内容的提问来源于stack exchange，提问作者WinstonNguyen