Реализовать преобразование измерения numpy.transpose() в C++
1. Технические требования
При его использовании TensorRT部署工业模型
часто необходимо преобразовать данные в размерные данные, требуемые моделью глубокого обучения. Если данные 维度变换
неверны, это напрямую приведет к ошибкам в результатах вывода.
2. Ссылка
3. Основные принципы
Например, чтобы преобразовать матричные данные (N, H, W, C) в (N, C, H, W), основной принцип таков: 将原矩阵中的第(N,H,W,C)个值赋值给transpose后的矩阵的(N,C,H,W)位置的值
.
4. Пример
Еще возьмем преобразование матричных данных из (N,H,W,C) в (N,C,H,W) в качестве примера, конкретный код выглядит следующим образом, достаточно 4 слоев циклов. Обратите внимание, что после выравнивания массива 索引值
вычисление.
#include <iostream>
#include <string>
int main()
{
int N = 1;
int H = 2;
int W = 3;
int C = 4;
float temp_int[24] = { 0, 1, 2, 3, 4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23 };
float temp_int_transpose[24] = { 0 };
// [N,H,W,C] -> [N,C,H,W]
for (int n = 0; n < N; ++n)
{
for (int c = 0; c < C; ++c)
{
for (int h = 0; h < H; ++h)
{
for (int w = 0; w < W; ++w)
{
int old_index = n * H * W * C + h * W * C + w * C + c; // 原始索引值
int new_index = n * C * H * W + c * H * W + h * W + w; // 新索引值
temp_int_transpose[new_index] = temp_int[old_index];
std::cout << temp_int_transpose[new_index] << ",";
}
}
}
}
return 0;
}