Numpy as_strided处理float32图像分块触发segmentation fault问题求助

错误根源 #

代码核心问题出在new_strides的计算逻辑上：
NumPy数组的strides属性本身就代表对应维度每前进一个元素需要跳过的字节数，你在计算时额外乘以arr.itemsize相当于把步长放大了N倍（N为单元素占用的字节数）：

• uint8类型的itemsize为1，额外相乘后结果和原生strides一致，所以运行正常
• float32类型的itemsize为4，步长直接放大4倍，访问数组时会超出合法内存范围，触发segmentation fault。

修复代码 #

只需要删除new_strides计算时多余的arr.itemsize *即可，修正后的函数如下：

import numpy as np

def patch_sample(arr, patch_size=(128, 128), stride=64):
    arr = np.ascontiguousarray(arr)
    H, W, C = arr.shape
    h, w = patch_size
    patches_h = int((H - h) / stride + 1)
    patches_w = int((W - w)/ stride + 1)
    new_shape = (patches_h, patches_w, h, w, C)
    # 移除多余的arr.itemsize乘法
    new_strides = np.array(
        [
            W * arr.strides[1] * stride,
            arr.strides[1] * stride,
            W * arr.strides[1],
            arr.strides[1],
            1
        ]
    )
    patches_out = np.lib.stride_tricks.as_strided(
        arr,
        shape=new_shape,
        strides=new_strides,
        writeable=False
    )

    patches_out_cp = np.ascontiguousarray(patches_out)
    patches_out_cp = patches_out_cp.reshape((-1, h, w, C))

    return patches_out_cp

测试两种类型的输入都可以正常运行：

# 正常运行
test_array = np.random.randint(0, 100, (1000, 1500, 3), dtype=np.uint8)
print(patch_sample(test_array).shape)

# 正常运行，不再段错误
test_array = np.random.rand(1000, 1500, 3).astype(np.float32)
print(patch_sample(test_array).shape)

更安全的替代实现 #

如果你的NumPy版本 >= 1.20.0，推荐直接使用内置的sliding_window_view函数实现重叠分块，不需要手动计算strides，避免出错：

def patch_sample_safe(arr, patch_size=(128,128), stride=64):
    H, W = arr.shape[:2]
    h, w = patch_size
    # 生成滑动窗口视图
    windows = np.lib.stride_tricks.sliding_window_view(arr, (h,w), axis=(0,1))
    # 按步长采样
    patches = windows[::stride, ::stride]
    # 调整维度顺序为 (n_patches_h, n_patches_w, h, w, C) 后展平
    patches = patches.transpose(0,1,3,4,2).reshape(-1, h, w, arr.shape[-1])
    return patches

内容的提问来源于stack exchange，提问作者michaal94