如果我们想增加tensor的维度但又不想增加元素内容,我们可以用下面的代码
import numpy as np
data=np.arange(9).reshape(3,3)#创建一个np数组
print(data.shape)#打印数组的形状
print(data)
print(len(data.shape))#打印数组的维度数
(3, 3)
[[0 1 2]
[3 4 5]
[6 7 8]]
2
if len(data.shape) == 2:
data = data[None]
print(data.shape)
print(data)
print(len(data.shape))
(1, 3, 3)
[[[0 1 2]
[3 4 5]
[6 7 8]]]
3
我们会发现在数组data的最外层多了一对中括号,现在data就是3维张量
在用yolo模型获取图片,将其用opencv-python,cv2转化为张量后,如果要添加一个维度,但是不增加数组我们可以用下面的代码
img = np.ascontiguousarray(img)#函数将一个内存不连续存储的数组转换为内存连续存储的数组,使得运行速度更快。
img = torch.from_numpy(img).to(device)#把数组转换成张量放到设备中,且二者共享内存,对张量进行修改比如重新赋值,那么原始数组也会相应发生改变
img = img.half() if half else img.float()#转化浮点数精度
img /= 255.0#标准化处理
if len(img.shape) == 3:#检查维度是不是三维
img = img[None]#numpy数组增加一个维度例如a(2,3),a=a[None],再检查a的维度就是(1,2,3)了