pytorch查看通道數 維數 尺寸大小方式
查看tensor
x.shape # 尺寸
x.size() # 形狀
x.ndim # 維數
例如
import torch
parser = argparse.ArgumentParser(description='PyTorch')
parser.add_argument('--img_w', default=144, type=int, metavar='imgw', help='img width')
parser.add_argument('--img_h', default=288, type=int, metavar='imgh', help='img height')
parser.add_argument('--batch-size', default=32, type=int,metavar='B', help='training batch size')
parser.add_argument('--test-batch', default=64, type=int, metavar='tb', help='testing batch size')
class net(nn.Module):
def __init__(self, arch='resnet18'):
super(net, self).__init__()
model_ft = models.resnet50(pretrained=True)
self.visible = model_ft
def forward(self, x):
print(x.shape)
print(x.size())
print(x.ndim)
input = self.visible.conv1(x)
print(input.shape)
print(input.size())
print(input.ndim)
從左至右起，32表示訓練集batch_size大小，3是圖像通道數，288是圖像高度，144是圖像寬度，圖像尺寸 288*144，維度個數是4。很多博客在介紹論文時候，沒有準確表達這些參數名稱，往往出現張冠李戴，導致讀者后續(xù)使用過程中被老師ma
經過標準resnet50第一層卷積后，結果是：32表示訓練集batch_size大小，64是圖像通道數，72是圖像高度，36是圖像寬度，圖像尺寸72*36，維數是4
補充知識：pytorch中與維度/變換相關的幾個函數
torch.size ()
先說torch.size()函數，因為后面的方法都會用這個方法看到變換后的矩陣的維度
通過該方法，可以查看當前Tensor的維度，用法也很簡單：
>>>import torch >>>a = torch.Tensor([[[1, 2, 3], [4, 5, 6]]]) >>>a.size() torch.Size([1, 2, 3])
torch.view()
官方文檔中的解釋：
簡單說，把原本的tensor尺寸，轉變?yōu)槟阆胍某叽纾缭叽鐬?3，現在可以轉為32或16等，但一定要保證等式成立，不能目標尺寸為33
此外，也可以設其中一個尺寸為-1，表示機器內部自己計算，但同時只能有一個為-1，用法如下：
>>> b=a.view(-1, 3, 2) >>> b tensor([[[1., 2.], [3., 4.], [5., 6.]]]) >>> b.size() torch.Size([1, 3, 2])
torch.squeeze() / torch.unsqueeze()
torch.squeeze(n)函數表示壓縮tensor中第n維為1的維數，比如下面第一個，b.squeeze(2).size()，原始的b為上面的torch.Size([1, 3, 2])，第二維是2≠1，所以不壓縮，尺寸保持不變；而若b.squeeze(0).size()，則發(fā)現第一維為1，因此壓縮為3x2的tensor
>>> b.squeeze(2).size() torch.Size([1, 3, 2]) >>> b.squeeze(0).size() torch.Size([3, 2])
相反的，torch.unsqueeze(n)則是在第n維增加一個維數=1，如下，表示在原始的b的第二維增加一維，則尺寸變?yōu)? * 3 * 1 * 2
>>> b.unsqueeze(2).size() torch.Size([1, 3, 1, 2]) >>> b.unsqueeze(2) tensor([[[[1., 2.]], [[3., 4.]], [[5., 6.]]]])
torch.permute()
這個函數表示，將原始的tensor，按照自己期望的位置重新排序，例如原始tensor的第0、1、2維分別是1、3、2，那么當我執(zhí)行permute(2, 0, 1)，則將第三維放在最前，第一維放在中間，第二維放在最后，也就變成了2 * 1 * 3，注意這里表示的維數的index，而不是具體幾維：
>>> b.permute(2, 0, 1).size() torch.Size([2, 1, 3]) >>> b.permute(2, 0, 1) tensor([[[1., 3., 5.]], [[2., 4., 6.]]])
暫時只想到這些，若有錯誤還請指正，或有其他相關函數，我也將持續(xù)更新。
以上這篇pytorch查看通道數 維數 尺寸大小方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關文章
這篇文章主要介紹了Python設計模式編程中解釋器模式的簡單程序示例分享,解釋器模式強調用抽象類來表達程序中將要實現的功能,需要的朋友可以參考下2016-03-03
基本上，在面向對象編程語言中，使用setter和getter方法的主要目的是為了確保數據的封裝，這篇文章主要介紹了Python的getter和setter的方法使用詳解,需要的朋友可以參考下2022-12-12
這篇文章主要介紹了使用Python實現將多表分批次從數據庫導出到Excel，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
這篇文章主要介紹了Python實現微信公眾平臺自定義菜單實例,本文直接給出實現代碼,需要的朋友可以參考下2015-03-03
今天小編就為大家分享一篇Python3 chardet模塊查看編碼格式的例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
今天小編就為大家分享一篇對tensorflow 的模型保存和調用實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
這篇文章主要為大家詳細介紹了python3實現倒計時效果，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-08-08
淺談Pandas Series 和 Numpy array中的相同點
今天小編就為大家分享一篇淺談Pandas Series 和 Numpy array中的相同點，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
缺失值可能是數據科學中最不受歡迎的值，然而，它們總是在身邊。忽略缺失值也是不合理的，因此我們需要找到有效且適當地處理它們的方法2021-11-11
Python中的asyncio模塊提供了異步IO支持,通過協程和事件循環(huán)實現異步編程,使用裝飾器@asyncio.coroutine可以定義協程,yield from語法用于調用其他協程并實現非阻塞等待,asyncio.sleep()模擬IO操作,通過并發(fā)執(zhí)行多個協程提高程序性能2024-10-10