Question

我有两个numpy数组（图像和环境图），

MatA
MatB

形状均为(256, 512, 3)

当我用numpy进行乘法时（元素方式）：

prod = np.multiply(MatA,MatB)

我得到了想要的结果（当回到“图像”时通过枕头显示）

但是当我使用pytorch进行操作时，我得到了一个非常奇怪的结果（甚至与上述结果都不接近）。

我是用以下代码完成的：

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

prodTensor = MatATensor * MatBTensor

由于某些原因，MatATensor和MatBtensor的形状均为

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

与prodTensor相同。当我尝试将其重塑为(256,512,3)时，出现了错误。

有没有办法获得相同的结果？

我是pytorch的新手，所以我们将不胜感激。

Answer 1

如果您阅读transforms.ToTensor()的文档，您会发现此转换不仅将numpy数组转换为torch.FloatTensor，而且还从H x {{1} } x {W至3 x 3 x H。
要“撤消”此操作，您需要

有关更多信息，请参见permute。

Answer 2

我建议您使用torch.from_numpy，它可以轻松地将ndarray转换为割炬张量。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])

如果您希望将其恢复为numpy，请执行以下操作：

mul_torch.numpy()

从numpy到Pytorch的矩阵乘法（逐元素）

2 个答案: