将 pytorch 张量转换为 numpy，并重塑

Question

我有一个 pytorch 张量[100, 1, 32, 32]对应于 100 个图像、1 个通道、高度 32 和宽度 32 的批量大小。我想重塑这个张量以具有尺寸 [32*10, 32*10]，这样图像表示为 10x10 网格，前 10 个图像位于第 1 行，依此类推。 如何做到这一点？

Answer 1

我不完全理解你的问题，但试图解决一些问题。

你有一个形状为[100, 1, 32, 32]的张量，它代表 100 个形状为[1, 32, 32]的图像，其中num_channels = 1 ， width = 32 ， height = 32 。

首先，由于图像只有一个通道，我们可以压缩通道维度。

# image_tensor is of shape [100, 1, 32, 32]
image_tensor = image_tensor.squeeze(1) # [100, 32, 32]

如您所述，我们可以将生成的张量组织成 10 行，每行 10 张图像。

image_tensor = image_tensor.reshape(10, 10, 32, 32)

现在，将生成的张量转换为形状为[32*10, 32*10]的张量听起来有些不对劲。 但是，让我们做错事，看看我们最终会得到什么。

image_tensor = image_tensor.permute(2, 0, 3, 1) # [32, 10, 32, 10]

排列后，我们得到一个形状为[width, num_rows, height, num_img_in_a_row]的张量。 然后最后我们可以重塑以获得所需的张量。

image_tensor = image_tensor.reshape(32*10, 32*10)

因此，最终张量的形状为[width * num_rows, height * num_img_in_a_row] 。 你真的想要这个吗？ 我不知道如何解释产生的张量！

Answer 2

更新

更高效、更短的版本。 为了避免使用 for 循环，我们可以先置换a 。

import torch
a = torch.arange(9*2*2).view(9,1,2,2)
b = a.permute([0,1,3,2])
torch.cat(torch.split(b, 3),-1).view(6,6).t()
# tensor([[ 0,  1,  4,  5,  8,  9],
#         [ 2,  3,  6,  7, 10, 11],
#         [12, 13, 16, 17, 20, 21],
#         [14, 15, 18, 19, 22, 23],
#         [24, 25, 28, 29, 32, 33],
#         [26, 27, 30, 31, 34, 35]])

原始答案

您可以使用torch.split和torch.cat来实现它。

import torch
a = torch.arange(9*2*2).view(9,1,2,2)

假设我们有a张量，它是原始张量的迷你版。 看起来，

tensor([[[[ 0,  1],
          [ 2,  3]]],
        [[[ 4,  5],
          [ 6,  7]]],
        [[[ 8,  9],
          [10, 11]]],
        [[[12, 13],
          [14, 15]]],
        [[[16, 17],
          [18, 19]]],
        [[[20, 21],
          [22, 23]]],
        [[[24, 25],
          [26, 27]]],
        [[[28, 29],
          [30, 31]]],
        [[[32, 33],
          [34, 35]]]])

每个 2x2 子矩阵可以看作一个图像。 您要做的是将前三个图像堆叠到一行，接下来的三个图像到第二行，最后三个图像到第三行。 由于 2x2 子矩阵，“行”实际上有两个暗淡。

three_parts = torch.split(a,3)

torch.cat(torch.split(three_parts[0],1), dim=-1)

#tensor([[[[ 0,  1,  4,  5,  8,  9],
#          [ 2,  3,  6,  7, 10, 11]]]])

这里我们只取第一部分。

torch.cat([torch.cat(torch.split(three_parts[i],1),-1) for i in range(3)],0).view(6,6)
# tensor([[ 0,  1,  4,  5,  8,  9],
#         [ 2,  3,  6,  7, 10, 11],
#         [12, 13, 16, 17, 20, 21],
#         [14, 15, 18, 19, 22, 23],
#         [24, 25, 28, 29, 32, 33],
#         [26, 27, 30, 31, 34, 35]])

Answer 3

您可以使用make_grid() ：

x = torchvision.utils.make_grid(x, nrow=10, padding=0)