Pytorch如何把Tensor转化成图像可视化

2022-12-13 106阅读 0评论

PyTorch?=Tensor转化图像可视化

在调试程序的时候经常想把tensor可视化成来看看,可以这样操作

from torchvisiON import transforms unloader = transfORMs.ToPILImage() image = original_tensor.cpu().clone()  # clone the tensor image = image.squeeze(0)  # remove the fake batch dimension image = unloader(image) image.save('example.jpg')

pytorch标准化的Tensor转图像问题

常常在工作之中遇到将dataloader中出来的tensor成image,numpy格式数据,然后可以可视化出来

但是这种tensor往往经过了channel变换(RGB2BGR),以及归一化(减均值除方差),

然后维度的顺序也发生变化(HWC变成CHW)。为了可视化这种变化比较多的数据,

在tensor转Numpy之前需要对tensor做一些处理

如下是一个简单的函数,可以可视化tensor,下次直接拿来用就行

def tensor2im(input_image, imtype=np.uint8): """" Parameters: input_image (tensor) --  输入的tensor,维度为CHW,注意这里没有BATch size的维度 imType (type)--  转换后的NumPy的数据类型 """ mean = [0.485, 0.456, 0.406] # dataLoader中设置的mean参数,需要从dataloader中拷贝过来 sTD = [0.229, 0.224, 0.225]  # dataLoader中设置的std参数,需要从dataloader中拷贝过来 if not isinstance(input_image, np.ndarray): if isinstance(input_image, torch.Tensor): # 如果传入的图片型为torch.Tensor,则读取其数据进行下面的处理 image_tensor = input_image.data else: return input_image image_numpy = image_tensor.cpu().float().numpy()  # convert it into a numpy array if image_numpy.shape[0] == 1:  # grayscale to RGB image_numpy = np.tile(image_numpy, (3, 1, 1)) for i in range(len(mean)): # 反标准化,乘以方差,加上均值 image_numpy[i] = image_numpy[i] * std[i] + mean[i] image_numpy = image_numpy * 255 #反ToTensor(),从[0,1]转为[0,255] image_numpy = np.transpose(image_numpy, (1, 2, 0))  # 从(channels, height, wIDth)变为(height, width, channels) else:  # 如果传入的是numpy数组,则不做处理 image_numpy = input_image return image_numpy.astype(imtype)

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持云初冀北。

免责声明
本站提供的资源,都来自网络,版权争议与本站无关,所有内容及软件的文章仅限用于学习和研究目的。不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负,我们不保证内容的长久可用性,通过使用本站内容随之而来的风险与本站无关,您必须在下载后的24个小时之内,从您的电脑/手机中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。侵删请致信E-mail:Goliszhou@gmail.com
$

发表评论

表情:
评论列表 (暂无评论,106人围观)

还没有评论,来说两句吧...