Pytorch显示一个Tensor类型的图片数据

最新推荐文章于 2024-01-04 17:13:56 发布
最新推荐文章于 2024-01-04 17:13:56 发布
阅读量7.7k 收藏 9
点赞数 6
分类专栏： pytorch学习笔记 文章标签： 深度学习 pytorch 图像处理 数据可视化 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43773318/article/details/109820070
版权

Pytorch显示一个Tensor类型的图片数据

import torch
from torchvision.transforms import ToPILImage
show = ToPILImage() # 可以把Tensor转成Image，方便可视化

pic=torch.randn(3, 500, 500)
show(pic).show()

使用这种方法有局限性：

  1. 显示tensor时，(维数, 行数, 列数)，和其他画图函数不一样
  2. 维数并不一定只能是3，这和其他的函数不一样的地方
  3. 只能是浮点数也就是0-1范围的数，不能是整形
    有可能在深度学习中这种类型的数据比较多
    更详细的内容见另一篇pytorch可视化的文章
    点击显示效果
向bug低头。
关注
  • 6
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PyTorch中Tensor的数据类型和运算的使用
09-16
本文将深入探讨PyTorch中Tensor的数据类型和运算。 首先，我们来看PyTorch中支持的几种基本数据类型： 1. `torch.FloatTensor`：这是32位浮点型Tensor，用于存储单精度浮点数，通常用于大多数计算。创建一个浮点型...
PyTorch中Tensor的维度变换实现
09-18
例如，我们有一个2x9的Tensor `x`，通过`x.view(3, 6)`将其转换为3x6的Tensor，或者通过`x.view(2, 3, 3)`转换为2x3x3的Tensor。注意，Tensor必须是连续的才能进行`view()`操作，这意味着它的内存布局必须是一段连续...
PIL，plt显示tensor类型的图像
duanmuji的博客
12-26 1万+
该方法针对显示Dataloader读取的图像。 PIL 与plt中对应操作不同，但原理是一样的，我试过用下方代码Image的方法在plt上show失败了，原因暂且不知。 # 方法1：Image.show() # transforms.ToPILImage()中有一句 # npimg = np.transpose(pic.numpy(), (1, 2, 0)) # 因此pic只能是3-D T...
Tensorflow 如何定义 tensor常量 & tensor变量
NIGHT_SILENT的博客
06-26 7585
申明：本文非笔者原创，原文转载自：https://blog.csdn.net/vagrantabc2017/article/details/78062218 1.常量tensor zeros_tsr = tf.zeros([2, 3]) show("tf.zeros:",zeros_tsr) ones_tsr = tf.ones([1, 3]) show("tf.ones:",ones_ts...
pytorch展示Tensor类型的图片
三木君的博客
10-01 1571
from matplotlib import pyplot as plt # loader使用torchvision中自带的transforms函数 from torchvision import transforms loader = transforms.Compose([ transforms.ToTensor()]) unloader = transforms.ToPILImage() def imshow(tensor, title=None): image = tenso.
tensor图像的显示
adaadadsa的博客
07-12 6235
from PIL import Image import matplotlib.pyplot as plt import torch import torchvision.transforms as transforms ori_img = Image.open('./dog1.jpg') # plt.imshow(ori_img) # plt.show() print(ori_img.size) my_transforms = transforms.Compose([ transforms.R.
Pytorch把Tensor转化成图像可视化
热门推荐
Levi的博客
04-27 1万+
Pytorch把Tensor转化成图像可视化 在调试程序的时候经常想把tensor可视化成来看看，可以这样操作： from torchvision import transforms unloader = transforms.ToPILImage() image = original_tensor.cpu().clone() # clone the tensor image = image.s...
python：图片显示
weixin_43723625的博客
03-16 3618
imgH=cv2.imread(imgPath) 问题：读取的图片，如果使用cv2.imshow(‘title’,imgH)显示的话，发现图片的加载过程很慢，半天了显示不出来。 解决： import matplotlib.pyplot as plt plt.imshow(imgH) #只是对图片做显示处理，不会显示图片 plt.show() #显示处理后的图像 说明：plt.imshow()函数...
【pytorch】带batch的tensor类型图像显示
qimo601的专栏
09-22 6257
数据加载器中数据的维度是[B, C, H, W]，我们每次只拿一个数据出来就是[C, H, W]，而matplotlib.pyplot.imshow要求的输入维度是[H, W, C]，所以我们需要交换一下数据维度，把通道数放到最后面。
pytorch中tensor张量数据类型的转化方式
09-18
在PyTorch中，张量（Tensor）是处理和计算数据的基本单元，它支持各种数学操作，而且可以方便地与其他数据结构如NumPy数组或Python列表进行交互。本篇文章将详细探讨PyTorch中张量数据类型的转化方法，这对于理解和...
Pytorch读取图片并显示
Look Forward To
03-04 9573
# -*- coding: utf-8 -*- # @Time : 18-3-15 下午6:43 # @Author : zhwzhong # @File : model.py # @Contact : zhwzhong.hit@gmail.com # @Function: from torchvision import transforms, datasets as ds imp...
python，pytorch：读取，保存，显示图片
Golden-sun的博客
02-25 4794
文章目录一，Pytorch1. 直接保存Tensor2.Tensor 转CV2 保存二、python1. opencv2.matplotlib:3. PIL 一，Pytorch 1. 直接保存Tensor #!/usr/bin/env python # _*_ coding:utf-8 _*_ import torch from torchvision import utils as vutils def save_image_tensor(input_tensor: torch.Tensor, f
Tensor、Numpy、PIL格式转换以及图像显示
最新发布
胭脂草的ABC博客
01-04 512
clean = image.clone().detach().cpu().squeeze(0) # 去掉batch通道 (batch, C, H, W) --> (C, H, W)clean = np.uint8(clean).transpose(1, 2, 0) # 跟换三通道 (C, H, W) --> (H, W, C)test = out.cpu().detach().numpy() # 从CUDA上的Tensor转换为ndarray。
【Pytorch】显示单张tensor图像
Erqi Huang的博客
04-07 6100
在pytorch中，需要转为torch.Tensor。 pytorch提供了torch.Tensor 与numpy.ndarray转换为接口： 方法名 作用 torch.from_numpy() numpy.ndarray转为torch.Tensor tensor.numpy() torch.Tensor转为numpy.ndarray torch.Tensor 高维矩阵的表...
PyTorch①---加载数据、tensorboard的使用(图像显示不出来)
weixin_45703331的博客
07-26 1833
PyTorch①---加载数据、tensorboard的使用
[PyTorch] 可视化tensor图像
真理无穷，进一步有进一步的欢喜
01-23 5923
PyTorch提供了直接对tensor可视化的接口函数： plt.imshow(transforms.ToPILImage()(image), interpolation="bicubic") transforms.ToPILImage()(image).show() # Alternatively 参考：How do I display a single image in PyTorch?
Pytorch可视化(显示图片)及格式转换
pipixia的博客
12-20 1万+
读取RGB文件： matplotlib import matplotlib.image as mpimg # mpimg 用于读取图片 lena = mpimg.imread('lena.png') cv2 import cv2 # cv2.imread()接口读图像，读进来直接是BGR 格式数据格式在 0~255，通道格式为(W,H,C) img_BGR = cv2.imread('D:/Desktop/lena.jpg') rgb = cv2.cvtColor(rgb, cv2.COLOR_
Python输出的标签图处理：单通道的tensor转化为三通道的彩色图
小鼠太郎的博客
03-15 8496
跑代码的时候被一个图像转换绊了两天，记一下。 这里要处理的单通道的图像，输出的label为0，1，2，3这样的，整体的图像是黑色，为tensor,type为int64，并且输出是一个batch的图 图中是看不出颜色变化的，打印出来是这样的 显示为单通道模式的tensor，这里的[4,512,512]指的是4个图拼一起（因为输出是一个batch，即4张图），512X512可以理解为512个0 1 2 3组起来。（这里的数据是自定义的语义分割数据集，加上背景4个classes） 解决如
pytorch 怎么把tensor类型转化为图片
06-28
### 回答1： 在使用PyTorch进行机器学习或深度学习的过程中，将Tensor类型转化为图片是常见且必要的一步。PyTorch提供了很多方法将Tensor类型转化为图片，以下是其中的两种方法： 方法一：使用PIL库 通过PIL库将Tensor类型转化为图片是一种简单且高效的方法。以下是具体的实现步骤： 1. 首先，需要将Tensor类型转化为numpy数组。 2. 然后，将numpy数组转化为PIL图像。 3. 最后，将PIL图像保存为图片或者显示出来。 以下是代码示例： import torch from PIL import Image # 将Tensor类型转化为numpy数组 tensor = torch.randn(3, 256, 256) numpy_array = tensor.numpy() # 将numpy数组转化为PIL图像 image = Image.fromarray(numpy_array) # 保存图像 image.save('test.png') # 显示图像 image.show() 方法二：使用matplotlib库 matplotlib是一个常用的数据可视化库，其中包含了将Tensor类型转化为图片的方法。以下是具体的实现步骤： 1. 首先，需要将Tensor类型转化为numpy数组。 2. 然后，使用matplotlib的imshow函数将numpy数组显示为图像。 3. 最后，使用show函数显示出来。 以下是代码示例： import torch import matplotlib.pyplot as plt # 将Tensor类型转化为numpy数组 tensor = torch.randn(3, 256, 256) numpy_array = tensor.numpy() # 显示图像 plt.imshow(numpy_array) plt.show() 总结： 以上就是将Tensor类型转化为图片的两种方法。这些方法也可以用于将Tensor类型的数据可视化。在实际应用中，可以根据具体的情况选择合适的方法。 ### 回答2： PyTorch是一个流行的开源深度学习框架，用户可以将张量（tensor）类型的数据输入到神经网络模型中进行训练并进行预测。在有些情况下，我们可能需要将张量数据转化为图片的形式进行可视化。 在PyTorch中，将张量类型转化为图片需要使用到PIL库，因此需要先安装PIL库。 一般而言，将张量转换为图片的步骤如下： 1.首先，我们需要有一个张量，该张量的形状应该为(N, C, H, W)。其中，N表示图片的数量，C表示图片的通道数（例如：灰度图像为1通道，RGB图像为3通道），H和W表示图片的高度和宽度。 2.接下来，我们需要将张量中的数值范围规范化到0到255之间，方便后续处理。如果张量的最大值和最小值不在0到255之间，我们可以使用torch.clamp()函数将张量数值限制在0到255之间。 3.外部PIL库需要将张量转换为图片格式的数字数组。因此，我们需要使用torch.Tensor.permute()函数将张量尺寸重新排列。如果使用的是彩色图像，则张量的尺寸应该为(N, H, W, C)。如果使用的是灰度图像，则张量的尺寸应该为(N, H, W)。 4.现在，我们可以使用PIL库中的Image.fromarray()函数将调整后的张量数据转化为图片。如果使用的是彩色图像，则需要设置参数mode='RGB'。如果使用的是灰度图像，则需要设置参数mode='L'。 5.最后，我们可以调用图片对象的save()函数将图片保存到本地文件中，或者调用show()函数在程序中显示转换后的图片。 下面是一个示例代码，将张量转换为图片并保存到本地： ``` import torch from PIL import Image # 定义一个4张，3通道，高为128，宽为128的随机张量 t = torch.randn(4, 3, 128, 128) # 将张量数值范围规范化到0~255之间 t = torch.clamp(t * 255, 0, 255) # 将张量尺寸重新排列，将通道数C放到最后一维 t = t.permute(0, 2, 3, 1) # 将张量转换为图片对象 img = Image.fromarray(t[0].cpu().numpy().astype('uint8'), mode='RGB') # 保存图片到本地 img.save('tensor_to_image.jpg') ``` 在上述示例代码中，我们首先定义一个随机纯色张量t，该张量的大小为(4, 3, 128, 128)，即有4张128x128像素的三通道彩色图像。接下来，我们使用torch.clamp()函数将张量中的数字限制在0~255之间，再将张量尺寸重新排列，将通道数放到最后的维度。接着，我们使用PIL库中的Image.fromarray()函数将张量转换为图片对象img，该图片对象可以使用save()函数保存到本地文件，或者使用show()函数在程序中进行查看。 总之，将张量类型转化为图片的主要步骤是将张量尺寸重新排列，并使用PIL库将调整后的张量数据转换为图片格式的数字数组。这样便可以转换为可以呈现的图像。 ### 回答3： 在 PyTorch 中，将 Tensor 转化为图片主要分为两种情况：将 Tensor 保存为图片文件和在代码中将 Tensor 可视化为图片。以下分别介绍这两种情况的具体实现方法： 一、将 Tensor 保存为图片文件 1. 使用 PIL 库将 Tensor 转化为图片 首先需要导入 PIL 库： ``` from PIL import Image ``` 然后，将 Tensor 转化为 PIL 图片对象： ``` tensor_image = torch.tensor(image_data) # image_data 为 Tensor 格式的数据 pil_image = Image.fromarray(tensor_image.numpy()) ``` 最后将保存为图片： ``` pil_image.save("image.png") ``` 2. 使用 OpenCV 库将 Tensor 转化为图片 首先需要导入 OpenCV 库： ``` import cv2 ``` 然后，将 Tensor 转化为 cv2 图片对象： ``` tensor_image = torch.tensor(image_data) # image_data 为 Tensor 格式的数据 cv2_image = cv2.cvtColor(tensor_image.numpy(), cv2.COLOR_RGB2BGR) ``` 最后将保存为图片： ``` cv2.imwrite("image.png", cv2_image) ``` 二、在代码中将 Tensor 可视化为图片 在使用 PyTorch 进行神经网络训练的时候，可以使用一些工具库来可视化训练过程中的结果，例如使用 TensorBoard 或者使用 matplotlib 库可视化。以下是使用 matplotlib 库的方法： 首先需要导入 matplotlib 库： ``` import matplotlib.pyplot as plt ``` 然后，使用以下代码将 Tensor 可视化为图片： ``` plt.imshow(tensor_image.permute(1, 2, 0).cpu().numpy()) # tensor_image 为 Tensor 格式的数据 plt.show() ``` 在这里需要注意的是，如果 Tensor 的通道数为第一维，需要使用 `permute` 函数将通道维度移动到最后一维。如果 Tensor 存储在 GPU 上，需要使用 `cpu()` 函数将 Tensor 转移到 CPU 上后再进行可视化。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值