如何在Python中对Tensor的第二维度按每3行采样？

核心实现方式 #

针对形状为[color, frames, height, width]的Tensor，要在**第二维度（帧维度）**实现每3帧采样1帧的需求，直接利用Tensor的索引切片功能即可，核心语法为：tensor[:, ::3, :, :]。其中::3表示从维度起始位置开始，每隔3个元素选取一个。

示例1：高维视频Tensor采样 #

假设原Tensor尺寸为(3, 300, 10, 10)，对应3通道、300帧、10x10分辨率的视频数据：

import torch

# 创建示例Tensor
original_tensor = torch.randn(3, 300, 10, 10)
# 执行每3帧采样1帧的操作
sampled_tensor = original_tensor[:, ::3, :, :]
# 查看采样后尺寸
print(sampled_tensor.size())  # 输出: torch.Size([3, 100, 10, 10])

示例2：低维Tensor验证 #

针对你给出的低维测试Tensor：

# 创建测试Tensor
original_tensor = torch.tensor([[1,2,3,4,5,6,7,8,9,10],
                               [1,2,3,4,5,6,7,8,9,10],
                               [1,2,3,4,5,6,7,8,9,10]])
# 在第二维度按每3个元素采样
sampled_tensor = original_tensor[:, ::3]
print(sampled_tensor)
# 输出结果：
# tensor([[ 1,  4,  7, 10],
#         [ 1,  4,  7, 10],
#         [ 1,  4,  7, 10]])

补充说明 #

• 切片语法start:end:step中，省略start默认从维度索引0开始，省略end默认取到维度最后一个元素，step=3就是设置采样间隔为3。
• 该操作是PyTorch原生支持的高效操作，无需额外依赖，不会产生冗余内存开销。

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