pytorch相关总结

以下全部是实例，通过例子更能体会相关函数的作用。
一、view()和expand()

x=torch.Tensor([[1,2],[3,4]])
H=x.shape[0]
W=x.shape[1]
x1 = x.view(H, 1, W, 1)
x1

输出：

tensor([[[[1.],
          [2.]]],
        [[[3.],
          [4.]]]])

x2=x1.expand( H, 3, W, 3)
x2

输出：

tensor([[[[1., 1., 1.],
          [2., 2., 2.]],

         [[1., 1., 1.],
          [2., 2., 2.]],

         [[1., 1., 1.],
          [2., 2., 2.]]],


        [[[3., 3., 3.],
          [4., 4., 4.]],

         [[3., 3., 3.],
          [4., 4., 4.]],

         [[3., 3., 3.],
          [4., 4., 4.]]]])

x3=x2.contiguous().view(H*3, W*3)
x3

输出：

tensor([[1., 1., 1., 2., 2., 2.],
        [1., 1., 1., 2., 2., 2.],
        [1., 1., 1., 2., 2., 2.],
        [3., 3., 3., 4., 4., 4.],
        [3., 3., 3., 4., 4., 4.],
        [3., 3., 3., 4., 4., 4.]])

二、view()和repeat()

b=torch.linspace(1,11,3)
b

输出：

tensor([ 1.,  6., 11.])

bb=b.repeat(3,1)
bb

输出：

tensor([[ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.]])

bbb=bb.repeat(3,1)
bbb

输出：

tensor([[ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.],
        [ 1.,  6., 11.]])

bb=b.repeat(3,2)
bb

输出：

tensor([[ 1.,  6., 11.,  1.,  6., 11.],
        [ 1.,  6., 11.,  1.,  6., 11.],
        [ 1.,  6., 11.,  1.,  6., 11.]])

所以说，他表示的意思就是对b进行多少次赋值，括号中有几个数字，那么变换之后就是几维的。

bb=b.repeat(2,2,2)
bb

输出：

tensor([[[ 1.,  6., 11.,  1.,  6., 11.],
         [ 1.,  6., 11.,  1.,  6., 11.]],

        [[ 1.,  6., 11.,  1.,  6., 11.],
         [ 1.,  6., 11.,  1.,  6., 11.]]])

dim()
返回最大的维数

index_select（)

a=torch.Tensor([[1,1,1],[2,2,2],[3,3,3],[4,4,4]])
a

输出：

Out[73]:

tensor([[1., 1., 1.],
        [2., 2., 2.],
        [3., 3., 3.],
        [4., 4., 4.]])

a.index_select(1,torch.LongTensor([0]))

输出：

tensor([[1.],
        [2.],
        [3.],
        [4.]])

list的相加和torch.Tensor的相加

a=[[1,1],[2,2]]
b=[[3,3],[4,4]]
c=a+b
c

输出：

[[1, 1], [2, 2], [3, 3], [4, 4]]

a=np.array([[1,1],[2,2]])
b=np.array([[3,3],[4,4]])
c=a+b
c

输出：

array([[4, 4],
       [6, 6]])

a=torch.Tensor([[1,1],[2,2]])
b=torch.Tensor([[3,3],[4,4]])
c=a+b
c

输出：

tensor([[4., 4.],
        [6., 6.]])

使用matplotlib在图片上绘制矩形

import matplotlib.pyplot as plt
import matplotlib.patches as patches
img=plt.imread("./images/3.jpg")
fig, a = plt.subplots(1, 1)
a.imshow(img)
# Plot the bounding boxes and corresponding labels on top of the image
# for i in range(1):

# Set the postion and size of the bounding box. (x1, y2) is the pixel coordinate of the
# lower-left corner of the bounding box relative to the size of the image.
rect = patches.Rectangle((10, 10),
                         200, 200,
                         linewidth=2,
                         edgecolor='r',
                         facecolor='none')

# Draw the bounding box on top of the image
a.add_patch(rect)


plt.show()

输出：