[pytorch学习笔记]permute()和reshape()图像操作小结

原创 已于 2022-10-31 20:11:53 修改 · 1k 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
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。
标签
#pytorch #学习 #深度学习
于 2022-10-09 22:06:16 首次发布
本文总结了PyTorch中图像处理函数permute()和reshape()的使用方法。permute()用于改变图像张量的维度顺序，特别指出在从本地读取RGB图像后如何调整其维度以便正确显示。reshape()则用于调整张量的形状。
Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

permute()和reshape()图像操作小结

permute()

1.首先要对RGB图像基础有一定的了解

详见：关于三通道彩色图像的存储方式理解

2.permute()是如何变换的

这是我们常见的permute()变换，在这张图中，其他作者用的是随机数，与实际的像素值有所差距，但并不影响理解。

请添加图片描述

RGB三种颜色的灰度值被permute()分别提取出来，此时被提取出来的只是灰度（白色->灰色->黑色），后面要加上不同颜色的通道才能真正的显示出来。

相关资料：pytorch中permute()函数用法实例详解

值得注意的是：

在使用pytorch从本地读取图像的时候，默认把图像的RGB三种颜色的灰度值提取出来，这时如果想要把图像绘制在界面上的话，请使用permute(1,2,0)将原来的张量转换一下。

reshape()

在这里插入图片描述
在这里插入图片描述
参考资料：Python中reshape函数参数-1的意思?

您可能感兴趣的与本文相关的镜像

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

千束LGLL
关注
张量/数组存储方式与向量化展开/展平、view、reshape、permute对比
欢迎关注，共同进步！
01-05 3367
对于一个Tensor来说，我们可以认为它有两种存储方式。
Reshape与Permute的踩坑记录
ODIMAYA的博客
04-01 2435
最近做简单的网络训练，需要自写DataLoader，涉及到了图像数据的预处理，主要集中在getItem()函数里面。 上代码： 由于用到了BCEWithLogitsLoss，这个损失函数要求label与pred的维度保持一致，即label也需要有channel这一维度，所以涉及到了reshape与permute两个函数 这里不用to_tensor,不需要归一化，因此需要手动处理维度 先用reshape，再astensor image = cv2.imread(image_path) label = cv2.
pytorch中图像的分块（patch）操作（使用了.permute()维度转换）
sinat_42239797的博客
03-05 1万+
参考：1.https://www.zhihu.com/question/60321866 2. https://blog.csdn.net/appleml/article/details/80143212?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-ta...
pytorch中 reshape函数解析
热门推荐
scar2016的博客
03-24 2万+
1.reshape(m,n) 即： 将矩阵变成 m x n列矩阵 1.1代码： import torch x = torch.arange(12) # 生成一维行向量 ，从1到11 x 1.1结果： tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) 1.2代码： x.reshape(3,4) # 将矩阵x变成 3行4列矩阵 1.2结果： tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7]
Pytorch基础：Tensor的reshape()方法
博客是兴趣使然，大家互相学习
10-01 1万+
PyTorch中的reshape()方法用于改变张量形状而不改变数据顺序，与NumPy的reshape类似。该方法支持多种参数形式（元组、列表或单独整数），要求新形状的元素总数与原张量一致。特殊参数-1可实现自动维度推断，但不能在多维度同时使用。reshape()可能返回原张量的视图（共享存储），需注意张量连续性问题。此外，torch.reshape()函数与该方法功能相同。
PyTorch的permute和reshape/view的区别
pyxiea
09-28 1万+
二维的情况 先用二维tensor作为例子，方便理解。 permute作用为调换Tensor的维度，参数为调换的维度。例如对于一个二维Tensor来说，调用tensor.permute(1,0)意为将1轴（列轴）与0轴（行轴）调换，相当于进行转置。 In [20]: a Out[20]: tensor([[0, 1, 2], ...
一文搞懂 | Pytorch维度转换操作：view，reshape，permute，flatten函数详解
u012374012的专栏
09-11 2830
在深度学习网络构建与计算过程中，我们经常会使用到张量维度之间的各种转换，用于不同操作。Pytorch中。本文将详细介绍这几个函数的作用与使用方式，并给出了具体的代码示例，希望能够帮助大家。常见的维度有四维：比如（batch, channel, height, width）；三维：比如（b,n,c）；二维：比如（h,w）。下面介绍如何使用上述函数进行维度之间的转换。
Pytorch维度转换操作：view，reshape，permute，flatten函数详解
qq_41920323的博客
09-10 1760
Pytorch维度转换操作：view，reshape，permute，flatten函数详解
pytorch中的reshape()、view()、nn.flatten()和flatten()
梦在黎明破晓时的博客
03-16 1万+
在使用pytorch定义神经网络结构时，经常会看到类似如下的.view() / flatten()用法，这里对其用法做出讲解与演示。
pytorch中reshape函数用法
googlebug123的博客
02-23 3545
Pytorch中reshape函数的用法介绍在PyTorch中，可以使用torch.reshape()函数来改变张量的形状，函数的用法如下： python Copy code torch.reshape(input, shape) 其中，input是需要改变形状的张量，shape是一个表示新形状的元组或列表。返回的张量将有与shape相同的元素数量，但可能具有不同的形状。需要注意的是，返回的张量与输入张量共享相同的数据缓存，因此在操作中要小心。 下面是一些使用torch.reshape()函数的示例：
【chatgpt】 PyTorch 中view方法改变张量的形状,-1是特殊参数，用于自动推断维度的大小
Never Give Up
07-03 1154
view方法用于重塑张量。-1作为参数表示自动推断该维度的大小，以确保新张量的总元素数量与原张量一致。通过使用view方法，可以方便地改变张量的形状，以满足不同的需求。
Pytorch笔记：操作维度的permute、reshape/view、eniops
xieocean的博客
12-29 778
pytorch的permute和reshape/view的区别
Pytorch 一文搞懂view，reshape和permute，transpose用法
qq_19859865的博客
02-17 2371
存储的tensor按照行优先（row major）的顺序存储。如下图，当访问每一行的下一个元素，你只需要前进一步（stride），但是访问下一列的元素，需要前进四步（strides）。在PyTorch中，有些对Tensor的操作并不实际改变tensor的内容，而只是改变如何根据索引检索到tensor的byte location的方式，比如narrow()view()expand()permute()[1]。
【深度学习pytorch-10】reshape函数
最新发布
m0_69378371的博客
02-14 1411
它会返回一个新张量，其数据与原始张量相同，但形状发生了变化。后的张量必须包含与原始张量相同数量的元素。即原始张量的元素总数必须等于重塑后张量的元素总数。操作，可以在各种机器学习任务和神经网络模型中高效地调整数据的形状，满足模型输入要求。是其中最常用的函数之一，它允许你改变张量的形状，使其适应不同的操作和模型需求。在这个例子中，我们将原来的 1x9 的张量转换成了一个 3x3 的二维张量。非常重要，因为它允许你灵活地调整张量的结构，而不改变其数据内容。不会改变原始数据的内容，它只是改变了数据的视图。
Pytorch中 permute / transpose 和 view / reshape， flatten函数
ytusdc的博客
08-21 5887
Pytorch中 permute、transpose 和 view 、resize函数
Pytorch使用permute后再reshape会修改张量的值，维度虽然对齐但仍需小心
qq_43601378的博客
09-26 1020
permute函数和reshape函数
[PyTroch系列-16]：PyTorch基础 - 张量的操作 - 变形
文火冰糖（王文兵）的博客
08-07 1万+
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 本文网址： 目录 第1章 Tensor运算与操作概述 1.1 概述 1.3 张量的操作与变换 1.4环境准备 1.5张量的操作 - 变形（reshape） 第2章 基本变形：reshape 1. 原理 2. 函数解读 3. 代码示例 第3章 2维矩阵的行列置换：t 1. 原理 2. 函数解读 3. 代码示例 第4章 任意维度方向上的置换：transpose 1. 原理..
Pytorch中的resize和reshape
qq_44722189的博客
12-06 4535
如果可能，返回的张量将是输入的视图，也就是说原本的tensor并没有被改变，如果想要改变那么就将改变的tensor赋值给原本的就行，即：tensor_temp = torch.reshape(tensor_temp, xxx)）。个人理解是给数组一个新的形状，数据和元素数量及顺序不变，按照形状截断、重新拼起来成为一个张量，可以使用reshape用来增加数组的维度。要注意的一点是PILImage对象size属性返回的是w, h，而resize的参数顺序是h, w。读取的图片，这两种方法得到的是。
PyTorch reshape函数介绍
qq_27390023的博客
01-08 1121
是 PyTorch 用于改变张量形状的函数之一。它不会改变张量的数据，而是重新组织其元素以适应新的形状。这些操作只会影响数据的组织形式或内存布局，而不会修改数据本身。
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