1、numpy数组与tensor相互转换
- numpy转tensor:torch.tnesor( )
- tensor转numpy:tensor.numpy( )
2、cpu和GPU数据转换
- 转CPU:data.cpu( )
- 转GPU:data.cuda( )
3、数据类型转换
- numpy数据类型转换:numpy.astype(float32, int16…),但是这样实际numpy数组的dtype并未改变,只有赋值,才能真正改变dtype数据类型。详见:https://blog.csdn.net/miao20091395/article/details/79276721
- tensor数据类型转换:tensor.int( ), tensor.float( ),但是这样也只是临时改变数据类型,元数据类型并未改变。
4、数据扩充/缩减维度
- 扩充维度:tensor.unsqueeze(dim),在某一维扩充维度,如原shape为(3,4),dim=0扩充,得到数据shape为:(1, 3, 4)
- 缩减维度:tnesor.squeeze(dim)
5、数据维度交换
原tensor的shape(3,4,5)
执行tensor.permute(2, 0, 1)
得到的tensor的shape为:(5, 3, 4)
6、tensor与PIL的相互转换
#读取图片
PIL_image = Image.open(lr_image_path)
#PIL转tensor
lr_image = ToTensor()(PIL_image)
lr_image = lr_image.unsqueeze(0).cuda()
sr_image = model(lr_image)
# tensor转PIL
PIL_sr_image = transforms.ToPILImage()(sr_image[0,:,:,:].detach().cpu()).convert('RGB')
# 保存图片
PIL_sr_image.save('./'+image_name)