pytorch查看通道数 维数 尺寸大小方式 |
您所在的位置:网站首页 › 足力健厂家直销 › pytorch查看通道数 维数 尺寸大小方式 |
查看tensor x.shape # 尺寸 x.size() # 形状 x.ndim # 维数 例如 import torch parser = argparse.ArgumentParser(description='PyTorch') parser.add_argument('--img_w', default=144, type=int, metavar='imgw', help='img width') parser.add_argument('--img_h', default=288, type=int, metavar='imgh', help='img height') parser.add_argument('--batch-size', default=32, type=int,metavar='B', help='training batch size') parser.add_argument('--test-batch', default=64, type=int, metavar='tb', help='testing batch size') class net(nn.Module): def __init__(self, arch='resnet18'): super(net, self).__init__() model_ft = models.resnet50(pretrained=True) self.visible = model_ft def forward(self, x): print(x.shape) print(x.size()) print(x.ndim) input = self.visible.conv1(x) print(input.shape) print(input.size()) print(input.ndim)从左至右起,32表示训练集batch_size大小,3是图像通道数,288是图像高度,144是图像宽度,图像尺寸 288*144,维度个数是4。很多博客在介绍论文时候,没有准确表达这些参数名称,往往出现张冠李戴,导致读者后续使用过程中被老师ma 经过标准resnet50第一层卷积后,结果是:32表示训练集batch_size大小,64是图像通道数,72是图像高度,36是图像宽度,图像尺寸72*36,维数是4 补充知识:pytorch中与维度/变换相关的几个函数 torch.size () 先说torch.size()函数,因为后面的方法都会用这个方法看到变换后的矩阵的维度 通过该方法,可以查看当前Tensor的维度,用法也很简单: >>>import torch >>>a = torch.Tensor([[[1, 2, 3], [4, 5, 6]]]) >>>a.size() torch.Size([1, 2, 3])torch.view() 官方文档中的解释: 简单说,把原本的tensor尺寸,转变为你想要的尺寸,例如原尺寸为23,现在可以转为32或16等,但一定要保证等式成立,不能目标尺寸为33 此外,也可以设其中一个尺寸为-1,表示机器内部自己计算,但同时只能有一个为-1,用法如下: >>> b=a.view(-1, 3, 2) >>> b tensor([[[1., 2.], [3., 4.], [5., 6.]]]) >>> b.size() torch.Size([1, 3, 2])torch.squeeze() / torch.unsqueeze() torch.squeeze(n)函数表示压缩tensor中第n维为1的维数,比如下面第一个,b.squeeze(2).size(),原始的b为上面的torch.Size([1, 3, 2]),第二维是2≠1,所以不压缩,尺寸保持不变;而若b.squeeze(0).size(),则发现第一维为1,因此压缩为3x2的tensor >>> b.squeeze(2).size() torch.Size([1, 3, 2]) >>> b.squeeze(0).size() torch.Size([3, 2])相反的,torch.unsqueeze(n)则是在第n维增加一个维数=1,如下,表示在原始的b的第二维增加一维,则尺寸变为1 * 3 * 1 * 2 >>> b.unsqueeze(2).size() torch.Size([1, 3, 1, 2]) >>> b.unsqueeze(2) tensor([[[[1., 2.]], [[3., 4.]], [[5., 6.]]]])torch.permute() 这个函数表示,将原始的tensor,按照自己期望的位置重新排序,例如原始tensor的第0、1、2维分别是1、3、2,那么当我执行permute(2, 0, 1),则将第三维放在最前,第一维放在中间,第二维放在最后,也就变成了2 * 1 * 3,注意这里表示的维数的index,而不是具体几维: >>> b.permute(2, 0, 1).size() torch.Size([2, 1, 3]) >>> b.permute(2, 0, 1) tensor([[[1., 3., 5.]], [[2., 4., 6.]]])暂时只想到这些,若有错误还请指正,或有其他相关函数,我也将持续更新。 以上这篇pytorch查看通道数 维数 尺寸大小方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。 您可能感兴趣的文章:pytorch 如何查看数据类型和大小pytorch常见的Tensor类型详解Python查看Tensor尺寸及查看数据类型的实现 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |