(编辑：jimmy 日期: 2024/11/16 浏览：2)
1, 创建pytorch 的Tensor张量：
torch.rand((3,224,224)) #创建随机值的三维张量，大小为（3,224,224） torch.Tensor([3,2]) #创建张量，[3,2]
2, cpu上的tensor和GPU即pytorch创建的tensor的相互转化
b = a.cpu() # GPU → CPU a = b.cuda() #CPU → GPU
3, tensor和numpy的转化
b = a.numpy() # tensor转化为 numpy数组 a = b.from_numpy() # numpy数组转化为tensor
4, torch的GPU tensor保存为图片
import scipy.misc scipy.misc.imsave(‘pic_name',img) #img为二维张量，比如（224,224），保存为黑白图
5, 堆叠矩阵，形成彩色图片
img = np.stack((ia,b,c),dim) #堆叠矩阵a,b,c 可用于三通道图像的保存 dim表示要增加的维度， #比如a,b,c均为（224,224）大小的矩阵，那么令dim=-1，则 img的维度为（224,224,3)
6, 从numpy数组保存图片
from PIL import Image
im = Image.fromarray(A)
im.save("your_file.jpeg")
7, 读取图片为矩阵:
import matplotlib.image
im = matplotlib.image.imread('0_0.jpg')
8, 保存矩阵为图片:
import numpy as np
import scipy.misc
x = np.random.random((600,800,3))
scipy.misc.imsave('meelo.jpg', x)
以上这篇pytorch 实现张量tensor,图片,CPU,GPU,数组等的转换就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。