pytorch实战-2张量类型处理

1 图像类型

有多种库可加载图像，如imageio， torchvision等。张量对图像维度排序一般为通道数x图像长x图像宽

1.1 imageio

import imageio

img_t = imageio.imread(img_path)

1.2 改变布局

可对tensor调用permute方法改变张量某个维度元素排序

和转置类似但不同，转置直接逆序，permute可以自定义顺序

permute和transpose一样，使用相同存储区，所以速度快

1.3 加载并填充图像

先预加载目标大小的tensor，再将图像读入tensor，开销少

1.4 数据标准化

神经网络对参数敏感，参数为0-1或-1~1时效果最好，一种常用方法是先转为float类型，再除255，应该也有现成的方法直接弄好

注意，标准化平均值和标准差要在最小维度，不要包含多个维度，否则放缩不到0~1或-1~1

2 三维图像