pytorch如何實現張量tensor,圖片,CPU,GPU,數組的轉換

小編給大家分享一下pytorch如何實現張量tensor,圖片,CPU,GPU,數組的轉換，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

1, 創建pytorch 的Tensor張量：

torch.rand((3,224,224)) #創建隨機值的三維張量，大小為（3,224,224）
 
torch.Tensor([3,2]) #創建張量，[3,2]

2, cpu上的tensor和GPU即pytorch創建的tensor的相互轉化

b = a.cpu() # GPU → CPU
 
a = b.cuda() #CPU → GPU

3, tensor和numpy的轉化

b = a.numpy() # tensor轉化為 numpy數組
 
a = b.from_numpy() # numpy數組轉化為tensor

4, torch的GPU tensor保存為圖片

import scipy.misc
 
scipy.misc.imsave(‘pic_name',img) #img為二維張量，比如（224,224），保存為黑白圖

5, 堆疊矩陣，形成彩色圖片

img = np.stack((ia,b,c),dim) #堆疊矩陣a,b,c 可用于三通道圖像的保存 dim表示要增加的維度，
#比如a,b,c均為（224,224）大小的矩陣，那么令dim=-1，則 img的維度為（224,224,3)

6, 從numpy數組保存圖片

from PIL import Image
 
im = Image.fromarray(A)
 
im.save("your_file.jpeg")

7, 讀取圖片為矩陣:

import matplotlib.image
im = matplotlib.image.imread('0_0.jpg')

8, 保存矩陣為圖片:

import numpy as np
import scipy.misc
 
x = np.random.random((600,800,3))
scipy.misc.imsave('meelo.jpg', x)

pytorch的優點

1.PyTorch是相當簡潔且高效快速的框架；2.設計追求最少的封裝；3.設計符合人類思維，它讓用戶盡可能地專注于實現自己的想法；4.與google的Tensorflow類似，FAIR的支持足以確保PyTorch獲得持續的開發更新；5.PyTorch作者親自維護的論壇 供用戶交流和求教問題6.入門簡單

以上是“pytorch如何實現張量tensor,圖片,CPU,GPU,數組的轉換”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！