超链接:深度学习工作常用方法汇总,矩阵维度变化、图片、视频等操作,包含(torch、numpy、opencv等)
增加维度 : unsqueeze、np.expand_dims
torch版:
x.unsqueeze(dim=0)
简介:
将矩阵x在dim=0维度上增加一个维度。 [3, 3, 2] -->>-- [1, 3, 3, 2]
可以理解为,在dim=n的前面增加一个维度。索引从0开始
用途之一:torch 模型训练中dataloader函数返回的数据为[batch, 3, 224, 224]大小的数据,会增加一个batch维度,但是我们在预测的时候,一般都是一张图片直接进入模型,进行预测,可是模型的输入需要batch维度,我们为了维度对应,一般都用 增加维度的方法实现。
torch示例:
import torch
import numpy as np
x = torch.rand((2, 2, 3, 3))
b = x.unsqueeze(0)
c = x.unsqueeze(1)
d = x.unsqueeze(2)
print('x_shape:', x.shape) # torch.Size([2, 2, 3, 3])
print('b_shape:', b.shape) # b_shape: torch.Size([1, 2, 2, 3, 3])
print('c_shape:', c.shape) # c_shape: torch.Size([2, 1, 2, 3, 3])
print('d_shape:', d.shape) # d_shape: torch.Size([2, 2, 1, 3, 3])
numpy版:
np.expand_dims(arr, 0)
numpy示例:
import torch
import numpy as np
x = np.array(([1, 2], [3, 4]))
b = np.expand_dims(x, axis=0)
c = np.expand_dims(x, axis=1)
print('x_shape:', x.shape) # (2, 2)
print('b_shape:', b.shape) # b_shape: (1, 2, 2)
print('c_shape:', c.shape) # c_shape: (2, 1, 2)