Python 从numpy到Pytorch的矩阵乘法（元素级）

我得到了两个numpy阵列（图像和环境地图）

两种形状都

（256、512、3）

当我用numpy进行乘法（元素）时：

prod = np.multiply(MatA,MatB)

我得到了想要的结果（返回图像时通过枕头进行可视化）

但是，当我使用Pytork进行操作时，我得到了一个非常奇怪的结果（甚至与前面提到的结果不太接近）

我使用了以下代码：

MatATensor = transforms.ToTensor()(MatA)
MatBTensor = transforms.ToTensor()(MatB)

prodTensor = MatATensor * MatBTensor

由于某些原因，MataSensor和MatbSensor的形状都是

torch.Size([3, 256, 512])

前张量也一样。 当我尝试将形状改为

（256512,3）

时，出现了一个错误

有没有办法得到同样的结果

---

我是pytorch的新手，如果您阅读了pytorch的文档，您将看到此转换不仅将numpy数组转换为

torch.FloatTensor

，而且还将其维度从

H

x

W

x

3

转换为

3

x

H

x

W

要“撤消”此操作，您需要

 prodasNp = (prodTensor.permute(2, 0, 1) * 255).to(torch.uint8).numpy()

有关更多信息，请参阅。
我建议您使用，它可以轻松地将
ndarray
s转换为火炬张量。例如：

In[1]: MatA = np.random.rand(256, 512, 3)
In[2]: MatB = np.random.rand(256, 512, 3)

In[3]: MatA_torch = torch.from_numpy(MatA)
In[4]: MatB_torch = torch.from_numpy(MatB)

In[5]: mul_np = np.multiply(MatA, MatB)
In[6]: mul_torch = MatA_torch * MatB_torch

In[7]: torch.equal(torch.from_numpy(mul_np), mul_torch)
Out[7]: True

In[8]: mul_torch.shape
Out[8]: torch.Size([256, 512, 3])

如果你想把它还给numpy，只需执行以下操作：

mul_torch.numpy()

谢谢@Shai的回答。我最终通过在2d中重塑矩阵（w*h，3）来解决这个问题。我会确认你的解决方案soon@alphjheon请注意，
permute
和
view
之间有一个根本的区别：虽然
view
改变了张量的形状，但并不影响元素的实际排列。相反，
permute
对张量元素重新排序。有关更多详细信息，请参阅。
mul_torch.numpy()