pytorch tensor計(jì)算三通道均值方式
tensor計(jì)算三通道均值
今天用pytorch處理圖像時(shí)，涉及到了計(jì)算均值的問(wèn)題，整理一下解決思路。
第一種思路
tensor轉(zhuǎn)換為numpy再進(jìn)行處理
import torch
import cv2
img = cv2.imread("image path")
tensor_img = torch.from_numpy((img[:, :, ::-1] / 255.0)[None, ...].transpose(0, 3, 1, 2)).cuda()
?
...
?
numpy_img = (tensor_img.detach().cpu().numpy().transpose(2, 3, 1, 0).squeeze() * 255)[:, :, ::-1]
?
ave_color = np.mean(numpy_img , axis=(0, 1))如果圖像里有0值，不想計(jì)入運(yùn)算：
numpy_img[numpy_img == 0] = np.nan ave_color = np.nanmean(numpy_img, axis=(0, 1))
由于tensor和numpy來(lái)回轉(zhuǎn)換會(huì)消耗資源、性能。
又查了一番，直接在tensor中計(jì)算（非零均值計(jì)算）
reshape_tensor_img = tensor_img.view(tensor_img.size(0), tensor_img.size(1), -1) ave_color = reshape_tensor_img.mean(2) ? # mean value without 0 non_zero_img = reshape_tensor_img[reshape_tensor_img.nonzero(as_tuple=True)] ave_color = non_zero_img.view(reshape_tensor_img.size(0), reshape_tensor_img.size(1), -1).mean(2)
計(jì)算完均值，想要加法運(yùn)算的時(shí)候也會(huì)碰上一點(diǎn)維度上的麻煩，需要維度轉(zhuǎn)換一下。
reshape_ave_color = ave_color.view(ave_color.size(0), ave_color.size(1), 1, 1) add_img = tensor_img + reshape_ave_color
Pytorch tensor的運(yùn)算
tensor操作
1. 新建
A、torch.Tensor(shape)/torch.FloatTensor(shape)：隨機(jī)初始化一個(gè)維度為shape的張量。
B、torch.randn(shape)：用均值為0，方差為1的高斯分布初始化一個(gè)shape的張量。
C、torch.rand(shape)：在區(qū)間[0,1]上均勻分布，初始化一個(gè)shape的張量。
2、Tensor的變換
A、view / reshape
兩個(gè)用法差不多，都是用來(lái)改變一個(gè)張量的數(shù)據(jù)分布。
注：(2,-1)中的-1會(huì)自動(dòng)計(jì)算剩下的維度。
B、squeeze / unsqueeze
第一個(gè)是用來(lái)壓縮維度為1的張量，如(6,1,32,32).squeeze()之后就變?yōu)?6,32,32)；第二個(gè)是用來(lái)增加一個(gè)維度。具體看實(shí)例如下：
注：squeeze中不帶參數(shù)，是將所有維度為1的地方去掉，帶參數(shù)是去指定維度為1的地方，若指定的維度不為1，則不變。
注：在指定的維度上插入一個(gè)大小為1的新維度。
C、expand / repeat
這兩個(gè)都是進(jìn)行數(shù)據(jù)的擴(kuò)充操作，第一個(gè)是擴(kuò)充到指定的維度大小，第二個(gè)函數(shù)的參數(shù)維度上擴(kuò)充的倍數(shù)。一般結(jié)合上面2.B中的函數(shù)使用。
D、 t / transpose / permute
這三個(gè)函數(shù)用來(lái)數(shù)據(jù)維度之間的調(diào)整，第一個(gè)只能用于2D。
E、broadcasting機(jī)制
相當(dāng)于自動(dòng)完成了unsqueeze+expand的操作，但是相比節(jié)省內(nèi)存空間。
通過(guò)broadcasting機(jī)制，張量可以直接和標(biāo)量進(jìn)行相加。
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python使用MoviePy實(shí)現(xiàn)編輯音視頻并添加字幕
MoviePy是一個(gè)用于視頻編輯的Python模塊,它可被用于一些基本操作,本文主要介紹了如何使用編輯音視頻并添加字幕,感興趣的小伙伴可以了解下2024-01-01
MATLAB中text函數(shù)使用的語(yǔ)法與示例代碼
text函數(shù)的功能是向數(shù)據(jù)點(diǎn)添加文本說(shuō)明,下面這篇文章主要給大家介紹了關(guān)于MATLAB中text函數(shù)使用的語(yǔ)法與示例的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05
很好的Python多線程基礎(chǔ)教程，能夠幫助初學(xué)者快速了解Python多線程簡(jiǎn)單實(shí)現(xiàn)。線程可以使任何程序運(yùn)行得更快。但是這也增加了代碼的復(fù)雜性。所以，如果你發(fā)現(xiàn)很難理解，那么添加更多的日志將有助于檢查里面發(fā)生了什么2018-09-09
這篇文章主要介紹了如何升級(jí)python包到指定版本問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-03-03
python人工智能tensorflow常見損失函數(shù)LOSS匯總
這篇文章主要為大家介紹了python人工智能tensorflowf常見損失函數(shù)LOSS匯總，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
使用Pytorch Geometric進(jìn)行鏈接預(yù)測(cè)的實(shí)現(xiàn)代碼
PyTorch Geometric (PyG)是構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型和實(shí)驗(yàn)各種圖卷積的主要工具,在本文中我們將通過(guò)鏈接預(yù)測(cè)來(lái)對(duì)其進(jìn)行介紹,文中有詳細(xì)的代碼示例供大家參考,需要的朋友可以參考下2023-10-10
實(shí)例講解Python爬取網(wǎng)頁(yè)數(shù)據(jù)
這篇文章給大家通過(guò)實(shí)例講解了Python爬取網(wǎng)頁(yè)數(shù)據(jù)的步驟以及操作過(guò)程，有興趣的朋友跟著學(xué)習(xí)下吧。2018-07-07
在notepad++中實(shí)現(xiàn)直接運(yùn)行python代碼
今天小編就為大家分享一篇在notepad++中實(shí)現(xiàn)直接運(yùn)行python代碼，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-12-12
對(duì)matplotlib改變colorbar位置和方向的方法詳解
今天小編就為大家分享一篇對(duì)matplotlib改變colorbar位置和方向的方法詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
Python實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)可視化數(shù)據(jù)大屏
實(shí)時(shí)監(jiān)測(cè)的可視化數(shù)據(jù)大屏是一種非常有用的工具，可以幫助我們實(shí)時(shí)了解數(shù)據(jù)的變化和趨勢(shì)，下面我們將介紹如何使用Python代碼實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)的可視化數(shù)據(jù)大屏，需要的可以參考一下2023-06-06