เทนเซอร์ PyTorch คืออาร์เรย์ n มิติ (เมทริกซ์) ที่มีองค์ประกอบของประเภทข้อมูลเดียว เทนเซอร์ก็เหมือนกับอาร์เรย์ที่เป็นตัวเลข ความแตกต่างระหว่างจำนวนอาร์เรย์และเทนเซอร์ PyTorch คือเทนเซอร์ใช้ GPU เพื่อเร่งการคำนวณตัวเลข สำหรับการคำนวณแบบเร่ง ภาพจะถูกแปลงเป็นเทนเซอร์
ในการแปลงภาพเป็นเมตริกซ์ PyTorch เราสามารถทำตามขั้นตอนต่อไปนี้ -
ขั้นตอน
-
นำเข้าไลบรารีที่จำเป็น ห้องสมุดที่จำเป็นคือ คบเพลิง,คบเพลิง, หมอน
-
อ่านภาพ. รูปภาพต้องเป็นรูปภาพ PIL หรือ numpy.ndarray (HxWxC) อยู่ในช่วง [0, 255] ที่นี่ H,W และ C คือความสูง ความกว้าง และจำนวนช่องของภาพ
-
กำหนดการแปลงเพื่อแปลงภาพเป็นเทนเซอร์ เราใช้ transforms.ToTensor() เพื่อกำหนดการแปลง
-
แปลงภาพเป็นเทนเซอร์โดยใช้การแปลงที่กำหนดไว้ข้างต้น
ใส่รูปภาพ
ตัวอย่างที่ 1
# Import the required libraries
import torch
from PIL import Image
import torchvision.transforms as transforms
# Read the image
image = Image.open('Penguins.jpg')
# Define a transform to convert the image to tensor
transform = transforms.ToTensor()
# Convert the image to PyTorch tensor
tensor = transform(image)
# print the converted image tensor
print(tensor) ผลลัพธ์
tensor([[[0.4510, 0.4549, 0.4667, ..., 0.3333, 0.3333, 0.3333], [0.4549, 0.4510, 0.4627, ..., 0.3373, 0.3373, 0.3373], [0.4667, 0.4588, 0.4667, ..., 0.3451, 0.3451, 0.3412], ..., [0.6706, 0.5020, 0.5490, ..., 0.4627, 0.4275, 0.3333], [0.4196, 0.5922, 0.6784, ..., 0.4627, 0.4549, 0.3569], [0.3569, 0.3529, 0.4784, ..., 0.3922, 0.4314, 0.3490]], [[0.6824, 0.6863, 0.7020, ..., 0.6392, 0.6392, 0.6392], [0.6863, 0.6824, 0.6980, ..., 0.6314, 0.6314, 0.6314], [0.6980, 0.6902, 0.6980, ..., 0.6392, 0.6392, 0.6353], ..., [0.7255, 0.5412, 0.5765, ..., 0.5255, 0.5020, 0.4157], [0.4706, 0.6314, 0.7098, ..., 0.5255, 0.5294, 0.4392], [0.4196, 0.3961, 0.5020, ..., 0.4510, 0.5059, 0.4314]], [[0.8157, 0.8196, 0.8353, ..., 0.7922, 0.7922, 0.7922], [0.8196, 0.8157, 0.8314, ..., 0.7882, 0.7882, 0.7882], [0.8314, 0.8235, 0.8314, ..., 0.7961, 0.7961, 0.7922], ..., [0.6235, 0.5059, 0.6157, ..., 0.4863, 0.4941, 0.4196], [0.3922, 0.6000, 0.7176, ..., 0.4863, 0.5216, 0.4431], [0.3686, 0.3647, 0.4863, ..., 0.4235, 0.4980, 0.4353]]])
ในโปรแกรม Python ด้านบน เราได้แปลงอิมเมจ PIL เป็นเทนเซอร์
ตัวอย่างที่ 2
นอกจากนี้เรายังสามารถอ่านภาพโดยใช้ OpenCV . ภาพที่อ่านโดยใช้ OpenCV เป็นประเภท numpy.ndarray . เราสามารถแปลง numpy.ndarray เป็นเทนเซอร์โดยใช้ transforms.ToTensor() . ดูตัวอย่างต่อไปนี้
# Import the required libraries
import torch
import cv2
import torchvision.transforms as transforms
# Read the image
image = cv2.imread('Penguins.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# Define a transform to convert the image to tensor
transform = transforms.ToTensor()
# Convert the image to PyTorch tensor
tensor = transform(image)
# Print the converted image tensor
print(tensor) ผลลัพธ์
tensor([[[0.4510, 0.4549, 0.4667, ..., 0.3333, 0.3333, 0.3333], [0.4549, 0.4510, 0.4627, ..., 0.3373, 0.3373, 0.3373], [0.4667, 0.4588, 0.4667, ..., 0.3451, 0.3451, 0.3412], ..., [0.6706, 0.5020, 0.5490, ..., 0.4627, 0.4275, 0.3333], [0.4196, 0.5922, 0.6784, ..., 0.4627, 0.4549, 0.3569], [0.3569, 0.3529, 0.4784, ..., 0.3922, 0.4314, 0.3490]], [[0.6824, 0.6863, 0.7020, ..., 0.6392, 0.6392, 0.6392], [0.6863, 0.6824, 0.6980, ..., 0.6314, 0.6314, 0.6314], [0.6980, 0.6902, 0.6980, ..., 0.6392, 0.6392, 0.6353], ..., [0.7255, 0.5412, 0.5765, ..., 0.5255, 0.5020, 0.4157], [0.4706, 0.6314, 0.7098, ..., 0.5255, 0.5294, 0.4392], [0.4196, 0.3961, 0.5020, ..., 0.4510, 0.5059, 0.4314]], [[0.8157, 0.8196, 0.8353, ..., 0.7922, 0.7922, 0.7922], [0.8196, 0.8157, 0.8314, ..., 0.7882, 0.7882, 0.7882], [0.8314, 0.8235, 0.8314, ..., 0.7961, 0.7961, 0.7922], ..., [0.6235, 0.5059, 0.6157, ..., 0.4863, 0.4941, 0.4196], [0.3922, 0.6000, 0.7176, ..., 0.4863, 0.5216, 0.4431], [0.3686, 0.3647, 0.4863, ..., 0.4235, 0.4980, 0.4353]]])
