Умножение матриц (по элементам) от numpy до Pytorch

У меня есть два массива numpy (изображение и карта среды),

MatA
MatB

Оба с формами (256, 512, 3)

Когда я сделал умножение (по элементам) с помощью numpy:

prod = np.multiply(MatA,MatB)

Я получил желаемый результат (визуализируйте через Pillow при возвращении к изображению)

Но когда я сделал это с помощью pytorch, я получил действительно странный результат (даже не близкий к вышеупомянутому).

Я сделал это с помощью следующего кода:

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

prodTensor = MatATensor * MatBTensor

По некоторым причинам форма как для MatATensor, так и для MatBtensor

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

То же самое и для prodTensor. Когда я попытался изменить форму на (256,512,3), я получил ошибку.

Есть ли способ получить такой же результат?

Я новичок в pytorch, поэтому буду признателен за любую помощь.

python pytorch matrix-multiplication

28.05.2019 14:22

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.

1 491

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Если вы прочтете документацию transforms.ToTensor(), вы увидите, что это преобразование не только преобразует массив numpy в torch.FloatTensor, но и перемещает его размеры из HxWx3 в 3xHxW.
Чтобы «отменить» это, вам нужно

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

См. permute для получения дополнительной информации.

Спасибо @Shai за ответ. В конце концов мне удалось решить эту проблему, изменив форму матриц в 2d (w * h, 3). Я подтвержу ваше решение в ближайшее время

— 28.05.2019 15:07

@alphjheon обратите внимание, что между permute и view есть разница в фундаментальный: хотя view изменяет форму тензора, нет влияет на фактическое расположение элементов. Напротив, permute переупорядочивает элементы тензора. Дополнительные сведения см. в статье этот ответ.

— 28.05.2019 15:10

28.05.2019 14:52

Я предлагаю вам использовать torch.from_numpy, который легко преобразует ваши ndarrays в тензоры факелов. Как в:

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])

Если вы хотите вернуть его в numpy, просто выполните: