Python 将pytorch张量转换为numpy，并重新塑造形状

我有一个pytorch张量

[100,1,32,32]

，对应于100个图像、1个通道、高度32和宽度32的批量大小。我想重塑这个张量，使其具有[32*10,32*10]维度，这样图像将表示为10x10网格，前10个图像位于第1行，依此类推。如何做到这一点

您可以使用：

---

我不完全理解你的问题，但我试图解决一些问题

您有一个形状张量

[100,1,32,32]

，它表示100个形状图像

[1,32,32]

，其中

num\u channels=1

，

width=32

，

height=32

首先，由于图像只有一个通道，我们可以压缩通道维度

# image_tensor is of shape [100, 1, 32, 32]
image_tensor = image_tensor.squeeze(1) # [100, 32, 32]

我们可以将生成的张量组织成10行10幅图像，如您所述

image_tensor = image_tensor.reshape(10, 10, 32, 32)

现在，将结果张量转换为形状张量

[32*10,32*10]

听起来有些不对劲。但是，让我们做错事，看看我们最终会得到什么

image_tensor = image_tensor.permute(2, 0, 3, 1) # [32, 10, 32, 10]

在排列之后，我们得到一个形状的张量

[宽度，行数，高度，行数]

。最后，我们可以重塑以得到所需的张量

image_tensor = image_tensor.reshape(32*10, 32*10)

---

因此，最后一个张量的形状是

[宽度*num\u行，高度*num\u img\u行]

。你真的想要这个吗？我不知道如何解释由此产生的张量

更新

更高效和更短的版本。为了避免使用for循环，我们可以先排列

a

导入火炬
a=火炬。阿兰奇（9*2*2）。视图（9,1,2,2）
b=a.permute（[0,1,3,2]）
torch.cat（torch.split（b，3），-1）.视图（6，6）.t（）
#张量（[[0,1,4,5,8,9]，
#         [ 2,  3,  6,  7, 10, 11],
#         [12, 13, 16, 17, 20, 21],
#         [14, 15, 18, 19, 22, 23],
#         [24, 25, 28, 29, 32, 33],
#         [26, 27, 30, 31, 34, 35]])

原始答案

您可以使用

torch.split

和

torch.cat

来实现它

导入火炬
a=火炬。阿兰奇（9*2*2）。视图（9,1,2,2）

假设我们有一个张量，它是原始张量的一个小版本。看起来

张量（[[0,1]，
[ 2,  3]]],
[[[ 4,  5],
[ 6,  7]]],
[[[ 8,  9],
[10, 11]]],
[[[12, 13],
[14, 15]]],
[[[16, 17],
[18, 19]]],
[[[20, 21],
[22, 23]]],
[[[24, 25],
[26, 27]]],
[[[28, 29],
[30, 31]]],
[[[32, 33],
[34, 35]]]])

每个2x2子矩阵可以看作一个图像。您要做的是将前三个图像堆叠到一行，然后将三个图像堆叠到第二行，最后三个图像堆叠到第三行。由于2x2子矩阵，“行”实际上有两个dim

three_parts=火炬分体式（a，3）
torch.cat（torch.split（三部分[0]，1），尺寸=-1）
#张量（[[0,1,4,5,8,9]，
#          [ 2,  3,  6,  7, 10, 11]]]])

这里我们只讲第一部分

torch.cat（[torch.cat（torch.split（三部分[i]，1），-1）表示范围（3）]内的i，0）。视图（6,6）
#张量（[[0,1,4,5,8,9]，
#         [ 2,  3,  6,  7, 10, 11],
#         [12, 13, 16, 17, 20, 21],
#         [14, 15, 18, 19, 22, 23],
#         [24, 25, 28, 29, 32, 33],
#         [26, 27, 30, 31, 34, 35]])

有没有办法用重塑（）来实现这一点？我不确定，

是否确保网格（）按您的预期进行？您可能还需要将它与
permute（）
结合起来，我认为-从您的问题来看，似乎您对
restrape（）
有一个简单的解决方案？有没有一种方法可以使用restrape和permute？做什么？
make_grid（）
做了你想做的吗？嗨，瓦西，我不认为@noveler想要的是最后的
image\u张量。请检查我的最新答案。
image_tensor = image_tensor.reshape(32*10, 32*10)