这篇文章主要介绍“pytorchtensor计算三通道均值方式是什么”，在日常操作中，相信很多人在pytorchtensor计算三通道均值方式是什么问题上存在疑惑，小编查阅了免费云主机域名各式资料，整理出简单好用的操作方法，希望对大家解答”pytorchtensor计算三通道均值方式是什么”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！今天用pytorch处理图像时，涉及到了计算均值的问题，整理一下解决思路。tensor转换为numpy再进行处理如果图像里有0值，不想计入运算：由于tensor和numpy来回转换会消耗资源、性能。又查了一番，直接在tensor中计算（非零均值计算）计算完均值，想要加法运算的时候也会碰上一点维度上的麻烦，需要维度转换一下。1. 新建A、torch.Tensor(shape)/torch.FloatTensor(shape)：随机初始化一个维度为shape的张量。B、torch.randn(shape)：用均值为0，方差为1的高斯分布初始化一个shape的张量。C、torch.rand(shape)：在区间[0,1]上均匀分布，初始化一个shape的张量。2、Tensor的变换A、view / reshape两个用法差不多，都是用来改变一个张量的数据分布。注：(2,-1)中的-1会自动计算剩下的维度。B、squeeze / unsqueeze第一个是用来压缩维度为1的张量，如(6,1,32,32).squeeze()之后就变为(6,32,32)；第二个是用来增加一个维度。具体看实例如下：注：squeeze中不带参数，是将所有维度为1的地方去掉，带参数是去指定维度为1的地方，若指定的维度不为1，则不变。注：在指定的维度上插入一个大小为1的新维度。C、expand / repeat这两个都是进行数据的扩充操作，第一个是扩充到指定的维度大小，第二个函数的参数维度上扩充的倍数。一般结合上面2.B中的函数使用。D、 t / transpose / permute这三个函数用来数据维度之间的调整，第一个只能用于2D。E、broadcasting机制相当于自动完成了unsqueeze+expand的操作，但是相比节省内存空间。通过broadcasting机制，张量可以直接和标量进行相加。到此，关于“pytorchtensor计算三通道均值方式是什么”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注百云主机网站，小编会继续努力为大家带来更多实用的文章！
本文小编为大家详细介绍“python的else语句怎么使用”，内容详细，步骤清晰，细节处理妥当，希望这篇“python的else语句怎么使用”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。else 是python语言中活生生的备胎，谁…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
