Reshape与Permute的踩坑记录

最近做简单的网络训练，需要自写DataLoader，涉及到了图像数据的预处理，主要集中在getItem()函数里面。
上代码：
由于用到了BCEWithLogitsLoss，这个损失函数要求label与pred的维度保持一致，即label也需要有channel这一维度，所以涉及到了reshape与permute两个函数
这里不用to_tensor,不需要归一化，因此需要手动处理维度
先用reshape，再astensor

image = cv2.imread(image_path)
label = cv2.imread(label_path)

label = cv2.cvtColor(label, cv2.COLOR_BGR2GRAY)
image = image.reshape(-1, image.shape[0], image.shape[1])
label = label.reshape(-1, label.shape[0], label.shape[1])

img = torch.as_tensor(image.copy(), dtype=torch.float32).contiguous().permute(2,0,1)
label_t = torch.as_tensor(label.copy(), dtype=torch.float32).contiguous()
return img, label_t

然后在遍历，重构图像，检测结果

for image, label in train_loader: 
    if index in show:
         img = image.cpu().detach().type(torch.ByteTensor).numpy()
         lab = label.cpu().detach().type(torch.ByteTensor).numpy()
         img = img.reshape(img.shape[2],img.shape[3],img.shape[1],img.shape[0]).squeeze(3)
         lab = lab.reshape(lab.shape[2],lab.shape[3],lab.shape[1],lab.shape[0]).squeeze(3)

发现图像发生位移。

变成类似这样的图（这是手画的，实际使用的数据不在此处显示）

原因：
view(3,2)或reshape(3,2)，得到的tensor并不是转置的效果，而是相当于将原tensor的元素按行取出，然后按行放入到新形状的tensor中。

因此，换成permute：

image = cv2.imread(image_path)
label = cv2.imread(label_path)
label = cv2.cvtColor(label, cv2.COLOR_BGR2GRAY)
img = torch.as_tensor(image.copy(), dtype=torch.float32).contiguous().permute(2,0,1)
label_t = torch.as_tensor(label.copy(), dtype=torch.float32).contiguous().unsqueeze(0)

for image, label in train_loader: 
    if index in show:
         img = image.squeeze(0).permute(1,2,0).cpu().detach().type(torch.ByteTensor).numpy()
       	 lab = label.squeeze(0).permute(1,2,0).cpu().detach().type(torch.ByteTensor).numpy()

输出图像正常–permute作用为调换Tensor的维度，参数为调换的维度。例如对于一个二维Tensor来说，调用tensor.permute(1,0)意为将1轴（列轴）与0轴（行轴）调换，相当于进行转置。

reshape和view在改变维度的同时，会导致像素位置发生变化，而permute不会

注意：
千万不要img用了F.to_tensor(image.copy())，
然后label为了统一size，使用了reshape（-1,label.shape[0],shape[1]），然后使用torch.as_tensor转tensor。
这样会样本与标签不对应，训练结果炸裂。
虽然reshape看起来像是加了一种相对位移的数据增强，但个人选用了permute，担心即使img与label同事使用reshape，如果img的channel与labe不一致的话，会导致样本与标签不对应。