pytorch函数使用

1.    Squeeze函数与UNsqueeze函数

torch.squeeze()主要对数据的维度进行压缩，去掉维数为1的的维度         

                          添加参数，则表示仅去掉该维数为1的维度

torch.unsqueeze()主要是对数据维度进行扩充。给指定位置加上维数为一的维度

2.    View函数

a.view(i,j)将原矩阵转化为i行j列的形式，也可以多参数       

               当参数为-1时，表示不限制当前维度的维度数

3.    Eq函数

torch.eq(a,b)判断两个tensor每个位置元素是否相等，相等为1，不等为0  

4.    Matmul函数和bmm函数

torch.matmul(a,b)和torch.bmm(a,b)，都能实现对于batch的矩阵乘法

5.    Transpose函数和 Permute函数

Tensor.permute(a,b,c,d,)可以对任意高维矩阵进行转置，但每次参数要写完整所有维度

torch.Transpose(Tensor, a,b)只能操作2D矩阵的转置

6.    格式转换 Image&Tensor

loader = transforms.Compose([transforms.ToTensor()])  

unloader = transforms.ToPILImage()

7.    格式转换numpy&Tensor

sub_ts = torch.from_numpy(sub_img)  

sub_np1 = sub_ts.numpy()     

8.    颜色空间转换

cv2.cvtColor(img_BGR, cv2.COLOR_BGR2RGB) 

9. Tensor 数据类型及其转换

定义：

• torch.Tensor()、torch.rand()、torch.randn() 均默认生成 torch.FloatTensor型
• 相同数据类型的tensor才能做运算
• torch.FloatTensor(2,3) #构建一个2*3 Float类型的张量
• torch.DoubleTensor(2,3) #构建一个2*3 Double类型的张量 

转换：

import torch
# torch.double()将该tensor转换为double类型
double_tensor = tensor.double()
print(double_tensor.type())

# torch.float()将该tensor转换为float类型
float_tensor = tensor.float()


t1 = torch.LongTensor(3, 5)
# 转换为其他类型
t2=t1.type(torch.FloatTensor)