基于pytorch对图像进行卷积操作

本文介绍如何在PyTorch中对图像进行卷积操作,详细讲解了使用Python3.8和PyTorch1.7.1读取并转换图像到(640,640,3)张量的过程,以及定义3x3卷积层的步骤,包括设置输入通道数、步长和填充。同时提到了如果需要导出模型的注意事项。" 112076899,10293149,JavaScript parseFloat 相加与数据类型详解,"['JavaScript', '基础概念', '数据类型', '操作符', '函数']
摘要由CSDN通过智能技术生成

基于pytorch对图像进行卷积操作

  1. 首先将需要的库准备好,博主使用的是python3.8,pytorch1.7.1
import cv2
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import numpy as np
  1. cv2读取图片,并将其转换为(640,640,3),可以不转换
img = cv2.imread(r'D:\Hooded_Cotton_Canvas_Anorakimg_00000001.jpg')
img = cv2.resize(img, (640, 640))

原图
在这里插入图片描述

  1. 转换为tensor张量
input_tensor = torch.from_numpy(img).float().permute(2, 0, 1)
input_tensor = input_tensor.unsqueeze(0)

  1. 定义卷积层,此处卷积层的输入通道数为 3,因为图像是 RGB 图像。卷积核的大小为
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值