Python张量reshape报错，如何将[800,1,64,32,32]转为[1,64,800,32,32]

• 框架不兼容：你操作的是PyTorch张量，却调用了TensorFlow的tf.reshape接口，两个框架的张量数据结构不互通，直接调用必然报错。
• 数据类型错误：此时target['a']还只是存储PyTorch张量的Python列表，不是连续内存存储的张量对象，无法直接传入reshape类接口处理。
• 操作逻辑错误：即使你把列表转成形状为(800, 1, 64, 32, 32)的张量，直接用reshape也无法得到你要的结果，reshape是按内存存储顺序重排张量形状，不会调整维度的先后顺序，你需要的是调整维度位置的换位操作，不是重排形状。

1. 先将存储张量的Python列表堆叠为完整的PyTorch张量，torch.stack默认会在新增的第0维拼接，得到形状为(800, 1, 64, 32, 32)的张量：

import torch
# 处理a对应的张量
a_tensor = torch.stack(target['a'])
# 如果要处理b、c，对应修改键名即可：
# b_tensor = torch.stack(target['b'])
# c_tensor = torch.stack(target['c'])

2. 使用permute接口调整维度顺序，将原本第0位的800维度移动到第2位，得到目标形状：

a_target = a_tensor.permute(1, 2, 0, 3, 4)

执行后a_target.shape就是你需要的torch.Size([1, 64, 800, 32, 32])。

内容的提问来源于stack exchange，提问作者Ghost