Почему torchvision.transforms.Resize и tensorflow.image.resize_images дают разные результаты

Я попытался изменить размер одного и того же тензора с помощью этих двух функций. Метод интерполяции, который я использую, является билинейным, и я не понимаю, почему я получаю другой результат.

Я пробовал свой тестовый код следующим образом:

import torch 
import torch.nn as nn 

size_psc = 128

torch.manual_seed(123)
x0 = torch.randn(torch.Size([1, 64, 502, 502]))

#using torchvision
import torchvision.transforms as transforms
resize = transforms.Resize((size_psc, size_psc))
torch_resize_out = resize(x0)

#using tensorflow
import tensorflow as tf
tf_x0 = x0.permute(0, 2, 3, 1).contiguous()
tf_resize = tf.image.resize_images(tf_x0, (size_psc, size_psc), 0)
sess = tf.Session()
tf_resize_out = sess.run(tf_resize)
sess.close()
tf_resize_out = torch.Tensor(tf_resize_out)
tf_resize_out = tf_resize_out.permute(0, 3, 1, 2).contiguous()

assert torch.max(abs(torch_resize_out - tf_resize_out)) < 1e-5

Требования, которые я использую, следующие:
факельное зрение (0.11.2)
факел (1.10.1)
тензорный поток (1.10.0)

Я хочу получить такой же результат. Однако результаты этих двух функций явно различаются. Я не понимаю, почему обе используют билинейную интерполяцию, но получают разные результаты.

python tensorflow pytorch torchvision

01.04.2023 15:19

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Мех, ваш код, должно быть, довольно старый. Я попробовал это в colab и не ошибся. Они идентичны.

import torch 
import torch.nn as nn 

size_psc = 128

torch.manual_seed(123)
x0 = torch.randn(torch.Size([1, 64, 502, 502]))

#using torchvision
import torchvision.transforms as transforms
resize = transforms.Resize((size_psc, size_psc))
torch_resize_out = resize(x0)

#using tensorflow
import tensorflow as tf
tf_x0 = x0.permute(0, 2, 3, 1).contiguous()
tf_resize = tf.image.resize(tf_x0, (size_psc, size_psc))
tf_resize_out = tf_resize.numpy()
tf_resize_out = torch.Tensor(tf_resize_out)
tf_resize_out = tf_resize_out.permute(0, 3, 1, 2).contiguous()

assert torch.max(abs(torch_resize_out - tf_resize_out)) < 1e-5

Благодарный. Ты прав. Кажется, в старой версии tensorflow есть проблема с этой функцией, а в новой версии результат тот же, что и у torch.

— 01.04.2023 17:14

01.04.2023 15:55