Pytorch 查询笔记 持续更新

1. pytorch中 max()、view()、 squeeze()、 unsqueeze() 的区别

链接
查询时间：2019年3月15日10:17:46

• max() 求行或者列的最大值，并返回最值和索引。
• view() 改变数据的形式 长宽。
• squeeze() 压缩矩阵维度为1的这一维度。
• unsqueeze() 增加一个维度1。

2. torchvision.transforms.ToPILImage / ToTensor 通道的变化

原文：Converts a PIL Image or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0] if the PIL Image belongs to one of the modes (L, LA, P, I, F, RGB, YCbCr, RGBA, CMYK, 1) or if the numpy.ndarray has dtype = np.uint8

Docs 链接
查询时间：2019年3月18日10:39:09

理解：同样是存储图片数据，tensor和numpy的存储方式却不同，tensor的channel在第一位，numpy的channel却在最后一位。两者的存储方式不同，因此读取方式也不同；但各自的读方式对应各自的存储方式。如果希望最后是tensor数据，那么在传入ToPILImage ->ToTensor之前的数据先转化成tensor的最方便，即输入什么经过ToPILImage ->ToTensor之后依然会是相同的格式（C*W*H的顺序就不会改变） 。

使用：这两个方法有时会一起使用，即先将数据（numpy）转换成图片（transforms.ToPILImage），数据增强（RandomRotation，RandomShift……），之后再转换成数据（transforms.ToTensor），标准化（transforms.Normalize）后进入网络。

3. .repeat(几行，几列)、.view()

• .repeat() 将原来的数据按行按列，复制多少次。数据的大小改变。
• .view() 将原来的数据重新排列（改变shape），数据的大小不改变。

g = 5
b = torch.arange(g).repeat(g, 1).view([1, 1, g, g])
c = torch.arange(g).repeat(g, 1).t().view([1, 1, g, g])
print(b)
print(c)

tensor([[[[0, 1, 2, 3, 4],
          [0, 1, 2, 3, 4],
          [0, 1, 2, 3, 4],
          [0, 1, 2, 3, 4],
          [0, 1, 2, 3, 4]]]])
tensor([[[[0, 0, 0, 0, 0],
          [1, 1, 1, 1, 1],
          [2, 2, 2, 2, 2],
          [3, 3, 3, 3, 3],
          [4, 4, 4, 4, 4]]]])

4. .max(1, keepdim=True)

• 查询时间：2019年5月15日22:44:34
• 1 表示在“行方向”求取最大值，keepdim=True 表示要返回，最大值的索引。

import numpy as np
import torch
targets = np.array([[1, 2, 3, 4],
                     [0, 1, 0, 0],
                     [1, 2, 3, 4]])
print(targets.shape)
a, b = torch.from_numpy(targets[:, 1:]).max(1, keepdim=True)
print(a.data)
print(b)

输出结果如下：

(3, 4)
tensor([[4],
        [1],
        [4]], dtype=torch.int32)
tensor([[2],
        [0],
        [2]])