torch.reshape()的使用
2022/2/7 23:43:57
本文主要是介绍torch.reshape()的使用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
torch.reshape()是如何操作的
问题背景:假设当我们的dataloader的batch_size设置为64。并且经过卷积(out_channels=6)之后,我们需要使用tensorboard可视化,而彩色图片的writer.add.images(output)的彩色图片是in_channels=3的。
那么则需要对卷积后的图片进行reshape
Torch.size(64,6,30,30)---->torch.size(-1,3,30,30)
-1的意思为最后自动计算其batch_size
输出通道就是有多少个卷积核,同一个卷积核得到的数据叠成一个通道,但由于减少了三个通道,从而每一个通道的数量增加。
因而结果为torch.size(128,3,30,30)
output = torch.reshape(output,(-1,3,30,30))#torch.size(64,6,30,30)--->(xxx,3,30,30) print(output.shape)#reshape结果:torch.Size([128, 3, 30, 30])
最后一组是原本dataloader设置为
drop_last=False
这篇关于torch.reshape()的使用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-29易优CMS安装常见问题汇总-icode9专业技术文章分享
- 2024-06-28易优新手必读安装教程-icode9专业技术文章分享
- 2024-06-28忘记eyoucms后台密码怎么办?-icode9专业技术文章分享
- 2024-06-26终极指南:Scrum中如何设置需求优先级
- 2024-06-26AI大模型企业应用实战(25)-为Langchain Agent添加记忆功能
- 2024-06-26小白家庭 nas 搭建方案-icode9专业技术文章分享
- 2024-06-23AI大模型企业应用实战(14)-langchain的Embedding
- 2024-06-23AI大模型企业应用实战(15)-langchain核心组件
- 2024-06-23AI大模型企业应用实战(16)-langchain核心组件
- 2024-06-23AI 大模型企业应用实战(06)-初识LangChain