python - 如何创建用于重新缩放 PyTorch 张量的缩放矩阵,然后如何使用它?
问题描述
我需要创建一个与 autograd 兼容的比例矩阵,适用于 B、C、H、W 张量,并采用输入值(可能随机生成)来控制缩放。我如何为此生成和使用比例矩阵?
import torch
import torch.nn.functional as F
import torchvision.transforms as transforms
from PIL import Image
# Load image
def preprocess_simple(image_name, image_size):
Loader = transforms.Compose([transforms.Resize(image_size), transforms.ToTensor()])
image = Image.open(image_name).convert('RGB')
return Loader(image).unsqueeze(0)
# Save image
def deprocess_simple(output_tensor, output_name):
output_tensor.clamp_(0, 1)
Image2PIL = transforms.ToPILImage()
image = Image2PIL(output_tensor.squeeze(0))
image.save(output_name)
def get_scale_mat(theta):
...
return scale_mat
def scale_img(x, theta, dtype):
scale_mat = get_scale_mat(theta)
# Can F.affine_grid & F.grid_sample be used with a scale matrix?
grid = F.affine_grid(scale_mat , x.size()).type(dtype)
x = F.grid_sample(x, grid)
return x
# Shear tensor
test_input = # Test image
scale = 5 # Example value
scaled_tensor = scale_img(test_input, scale)
解决方案
这就是您如何使用 F.affine_grid 和 F.grid_sample 创建和使用 3x2 比例矩阵的方法:
def get_scale_mat(m, device, dtype):
scale_mat = torch.tensor([[m, 0., 0.],
[0., m, 0.]])
return scale_mat
def scale_tensor(x, scale):
assert scale > 0
scale_matrix = get_scale_mat(scale, x.device, x.dtype)[None, ...].repeat(x.shape[0],1,1)
grid = F.affine_grid(scale_matrix, x.size())
x = F.grid_sample(x, grid)
return x
推荐阅读
- jquery - Django-bootstrap-modal-forms 上的数据表行单击
- azure-active-directory - 代表用户获取访问权限的授权请求会导致“cookiesDisabled”页面
- drupal-8 - 如何修复您请求了一个不存在的服务“database.replica_kill_switch”
- c# - MemStorage 和 Contour 类 Emgu 4.2 在哪里
- python - pytest.raises 上下文管理器中的块没有被执行
- jenkins - 在 Jenkins 中手动提升管道结果
- java - 如何查找 Chrome 驱动程序路径:驱动程序可执行文件不存在:错误
- vba - 使用 VBA 更新 Word 中 MERGEFIELDS 的值
- javascript - 如何使用 redux 更新全局状态并从全局状态中删除项目
- javascript - 输入使用 useRef 更改其值而不更新其状态