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

C ++ - C ++ реализует алгоритм преобразования размеров матрицы Python numpy, например (N, H, W, C) преобразуется в (N, C, H, W)

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;
}