参考
None的用法参考此处
自己的总结 在图像中反复会用到
aa = torch.randn(2,3)#生成一个(2*3)的二维张量,
# aa = torch.randn(5,2,3) 表示由5个(2*3)的二维张量,组成一个三维张量 aa[0]表示第一个(2*3)的二维张量 aa[3]表示第三个个(2*3)的二维张量
#一般彩色图像是三维的,在pytorch中是 (通道数=3,高度,宽度) 在numpy中是(高度,宽度,通道数=3)
#matplotlib画图是数组的形式才行,即转化为numpy才可以 假设aa是读取的一张图片 plt.imshow(aa.numpy().transpose(1,2,0))
# transpose(1,2,0) 表示 将高度放在第一个 宽度第二个 通道数放在最后
#模型在预测模型时,输入的图像是四维的 即(batch批次的大小,通道数=3,高度,宽度)为了让模型预测所以只需要让图片变成四维 即aa[None,:,:,:]
# 该四维表示由一个(通道数=3*宽度*高度)的三维张量组成 aa[0]表示该三维张量 即该彩色图片
#aa(16,3,5,5)表示该批次数为16 aa[0]表示第一张图片 aa[6]表示第6张图片 每个图片是三维的 该三维是由3个5*5的二维张量组成
'''
aa = torch.randn(2,3,2,3)
'''
- 该图片是自己练习 并总结
自己练习
- 下图表示四维的 四个[
- 由一个(3224224)的三维张量组成
- 图中标的1 、2、 3均表示一个224*224的二维张量
- pig_tensor[0] 表示该彩色图片对应的三维张量
- 三维的 即 显示图片用到