pytorch中tensor与ndarray转换,torch中topk、squeeze、cpu等API的应用

二分类模型的输出：
torch.tensor(1,2,512,512),cuda=0

print(preds.shape)
print(preds)

首先要转换成cpu()

preds = preds.data.cpu()
print(preds.shape)
print(preds)

对于二分类，可以先把tensor转换成numpy，再调用Softmax

preds = preds.numpy()
print(preds.shape)
print(preds)

或者可以直接使用torch.topk()
最后将第二维合并为一维，但此时还不能直接与label进行比对（此处指测试的时候，而非训练时，测试时label往往是二维的(512*512)）,经topk之后，输出变为了(1,1,512,512)。可以用笨方法，用a[0][0]取出来，但是有更优雅的方法，a.squeeze()可以去除所有=1的维度。

暂时这样，之后整理，发表于2019平安夜