如何从 numpy.array 创建一个火炬张量答案

【问题标题】：How can I create a torch tensor from a numpy.array如何从 numpy.array 创建一个火炬张量
【发布时间】：2021-09-22 11:57:37
【问题描述】：

我创建了一个代码，该代码生成一个形状为(12,12) 的矩阵，用于使用卷积神经网络进行彩色图像分析。我的脚本的输入是一个形状为(5,3,12,12) 的torch 张量。我使用 detach().numpy() 去掉了值 5 和 3。

脚本：

    for k in range(5):
            for l in range(3):
                y=x[k][l].detach().numpy()
                m,n= y.shape
                im=np.pad(y,((1,1),(1,1)),'constant')
                Enhanced = np.zeros((m,n))
                for i in range(1,m+1):
                    for j in range(1,n+1):
                        ...      
                z.append(Enhanced)

... 代表一个我不想打扰你的简单函数。

z 是增强型列表，它们是 numpy 数组。所以我的目标是从形状为(5,3,12,12) 的增强型numpy 数组创建一个火炬张量。

我在 for 循环内的代码中添加了这一行，我得到：

 r=torch.Tensor(z)
 print(r.shape)

然后打印 r.shape 我明白了：

 torch.Size([3, 12, 12])
 torch.Size([6, 12, 12])
 torch.Size([9, 12, 12])
 torch.Size([12, 12, 12])
 torch.Size([15, 12, 12])

所以我的理解是我需要堆叠那些 r 张量。我使用了函数t=np.stack(r) 但我得到的是最后一次执行的形状，即torch.Size([15, 12, 12]) 那么我该如何修改它以获得(5, 3, 12, 12)的形状@

【问题讨论】：

标签： torch numpy python numpy pytorch

【解决方案1】：

你必须：

np.array 的堆栈列表（Enhanced 个）
通过torch.from_numpy 函数将其转换为 PyTorch 张量

例如：

import numpy as np

some_data = [np.random.randn(3, 12, 12) for _ in range(5)]

stacked = np.stack(some_data)
tensor = torch.from_numpy(stacked)

请注意list 中的每个np.array 必须具有相同的形状

对于不同的形状，可以这样做：

import numpy as np
import torch

some_data = [np.random.randn(3, 12, 12) for _ in range(5)] + [
    np.random.randn(6, 12, 12)
]

stacked = np.concatenate(some_data).reshape(-1, 3, 12, 12)
tensor = torch.from_numpy(stacked)

print(tensor.shape)

在你的情况下：

r = torch.from_numpy(np.concatenate(z).reshape(-1, 3, 12, 12))

【讨论】：