np.ndarray与torch.Tensor之间的转化 (图像的区别)

简介: np.ndarray与torch.Tensor之间的转化 (图像的区别)

np.ndarray转为torch.Tensor


在深度学习中,原始图像需要转换为深度学习框架自定义的数据格式,在pytorch中,需要转为torch.Tensor


pytorch提供了torch.Tensornumpy.ndarray转换为接口


方法名 作用
torch.from_numpy(xxx) numpy.ndarray转为torch.Tensor
tensor1.numpy() 获取tensor1对象的numpy格式数据


torch.Tensor 高维矩阵的表示: N x C x H x W

numpy.ndarray 高维矩阵的表示:N x H x W x C

因此在两者转换的时候需要使用numpy.transpose( ) 方法 。


def imshow(img):
    img = img / 2 + 0.5
    img = np.transpose(img.numpy(),(1,2,0))
    plt.imshow(img)


相关文章
|
存储 算法 计算机视觉
np.zeros初始化图像
np.zeros初始化图像
|
存储 PyTorch 算法框架/工具
Tensor to img && imge to tensor (pytorch的tensor转换)
Tensor to img && imge to tensor (pytorch的tensor转换)
|
2月前
|
PyTorch 算法框架/工具 Python
Pytorch学习笔记(十):Torch对张量的计算、Numpy对数组的计算、它们之间的转换
这篇文章是关于PyTorch张量和Numpy数组的计算方法及其相互转换的详细学习笔记。
47 0
|
4月前
|
TensorFlow 算法框架/工具 Python
利用tf.convert_to_tensor转换为类型
【8月更文挑战第11天】利用tf.convert_to_tensor转换为类型。
68 9
|
4月前
|
存储 机器学习/深度学习 算法框架/工具
张量(Tensor)、标量(scalar)、向量(vector)、矩阵(matrix)
张量(Tensor)、标量(scalar)、向量(vector)、矩阵(matrix)
73 1
|
7月前
|
存储 索引 Python
深入解析NumPy数组的形状与重塑
【4月更文挑战第17天】本文深入解析了NumPy数组的形状和重塑。数组形状是表示数组维度和大小的元组,可通过`shape`属性获取。重塑允许改变数组形状而不改数据,需保证元素总数不变。`reshape`方法用于重塑,其中`-1`可让NumPy自动计算尺寸。注意重塑遵循元素总数相等、仅一次`-1`、内存存储顺序及返回新数组的原则。理解和掌握这些概念对高效使用NumPy处理多维数组至关重要。
|
机器学习/深度学习 PyTorch TensorFlow
张量(Tensor)
张量(Tensor)是矩阵的推广,是一种多维数组或多维矩阵的概念。它可以包含零个或多个轴(也称为维度),每个轴上有固定的大小。张量可以是标量(零维张量)、向量(一维张量)、矩阵(二维张量)以及更高维度的数组。
179 1
|
算法 数据挖掘 计算机视觉
numpy ndarray嵌套ndarray浅显理解
numpy ndarray嵌套ndarray浅显理解
|
PyTorch 算法框架/工具
【PyTorch简明教程】torch.Tensor()与torch.tensor()的区别
【PyTorch简明教程】torch.Tensor()与torch.tensor()的区别
142 0
|
机器学习/深度学习 PyTorch TensorFlow