自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

上一步保存

weixin_51794661的博客

原创博客摘录「 PyTorch 深度学习实践第6讲」2023年4月4日

将NumPy数组转换为PyTorch Tensor。分布的差异：KL散度，cross-entropy交叉熵。# 设置输出视频的编解码器和帧率与输入视频相同。# 将BGR图像转换为RGB图像。# 将RGB图像转换为BGR图像。# 写入增强后的帧到输出视频。# 判断是否读取到视频帧。# 使用模型进行处理。# 设置视频路径和输出路径。# 获取视频的宽度和高度。# 创建输出视频的写入器。

2023-05-22 22:40:04 51 2

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

weixin_51794661 CSDN认证博客专家 CSDN认证企业博客

码龄4年

暂无认证

IP 属地：广东省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

1: 原创

166万+: 周排名

208万+: 总排名

50: 访问

: 等级

14: 积分

1: 粉丝

1: 获赞

2: 评论

0: 收藏

私信

关注

最新评论

博客摘录「 PyTorch 深度学习实践第6讲」2023年4月4日
CSDN-Ada助手: 推荐 Python入门技能树：https://edu.csdn.net/skill/python?utm_source=AI_act_python
博客摘录「 PyTorch 深度学习实践第6讲」2023年4月4日
weixin_51794661: import os import torch import cv2 import argparse import warnings import numpy as np from utils import PSNR, validation, LossNetwork from model.IAT_main import IAT from torchvision.transforms import Normalize import matplotlib.pyplot as plt parser = argparse.ArgumentParser() parser.add_argument('--file_name', type=str, default='/home/s3090/zzh/Illumination-Adaptive-Transformer-main/IAT_enhance/Your_Path/') parser.add_argument('--normalize', type=bool, default=False) parser.add_argument('--task', type=str, default='enhance', help='Choose from exposure or enhance') config = parser.parse_args() # Weights path exposure_pretrain = r'best_Epoch_exposure.pth' enhance_pretrain = r'/home/s3090/zzh/Illumination-Adaptive-Transformer-main/IAT_enhance/workdirs/grad3/best_Epoch.pth' normalize_process = Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ## Load Pre-train Weights model = IAT().cuda() if config.task == 'exposure': model.load_state_dict(torch.load(exposure_pretrain)) elif config.task == 'enhance': model.load_state_dict(torch.load(enhance_pretrain)) else: warnings.warn('Only could be exposure or enhance') model.eval() # 设置视频路径和输出路径 video_path = 'video.mp4' output_path = 'output_video.mp4' # 打开视频文件 cap = cv2.VideoCapture(video_path) # 获取视频的宽度和高度 frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 设置输出视频的编解码器和帧率与输入视频相同 output_codec = cv2.VideoWriter_fourcc(*'mp4v') output_fps = cap.get(cv2.CAP_PROP_FPS) # 创建输出视频的写入器 out = cv2.VideoWriter(output_path, output_codec, output_fps, (frame_width, frame_height)) while True: # 读取视频帧 ret, frame = cap.read() # 判断是否读取到视频帧 if not ret: break # 将BGR图像转换为RGB图像 frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) # 将NumPy数组转换为PyTorch Tensor input = torch.from_numpy(frame_rgb / 255.0).float().cuda() input = input.permute(2, 0, 1).unsqueeze(0) if config.normalize: input = normalize_process(input) # 使用模型进行处理 _, _, enhanced_img = model(input) enhanced_img = enhanced_img.cpu().squeeze(0).permute(1, 2, 0) enhanced_img = enhanced_img.detach().numpy() enhanced_img = (enhanced_img * 255.0).astype(np.uint8) # 将RGB图像转换为BGR图像 enhanced_img_bgr = cv2.cvtColor(enhanced_img, cv2.COLOR_RGB2BGR) # 写入增强后的帧到输出视频 out.write(enhanced_img_bgr)

原创 博客摘录「 PyTorch 深度学习实践 第6讲」2023年4月4日

空空如也

空空如也

原创博客摘录「 PyTorch 深度学习实践第6讲」2023年4月4日