将tentor格式转变为图片，tensor与array的区别

import numpy as np
import torchvision
from PIL import Image
import torchvision.transforms as transforms
img_path = "/home/rui/PycharmProjects/pythonProject/exercise/imgs/airplane.png"


# img = Image.open(img_path)
#有些照片可能为4通道，使用.convert('RGB')可以转化为3通道
img = Image.open(img_path).convert('RGB')

print(img)

#转为totensor格式，totensor可以在gpu上加速，tensor数据格式是torch(C,H,W)
transf = transforms.ToTensor()
img_tensor = transf(img)
img_tensor1 = img_tensor.transpose(2,1).flip(1)
print(img_tensor)
print(img_tensor.shape)     #三者等价  print(np.shape(img_tensor)) , print(img_tensor.size())
torchvision.utils.save_image(img_tensor1, "out_cv.jpg")    #将tensor保存为图片格式



#转换为array格式， numpy数组格式为（H,W,C）
img_array = np.array(img)
print(img_array)
print(np.shape(img_array))   #两者等价  print(np.shape(img_array))

#转为tensor格式，tensor可以在gpu上加速，tensor数据格式是torch(C,H,W)
#转换为array格式， numpy数组格式为（H,W,C）

#将tensor保存为图片格式

torchvision.utils.save_image(img_tensor1, "out_cv.jpg")

使用numpy()将Tensor转换成NumPy数组:

import torch

a = torch.ones(5)
b = a.numpy()
print(a, b)


#输出
tensor([1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1.]

使用from_numpy()将NumPy数组转换成Tensor:

import torch
import numpy as np

a = np.ones(5)
b = torch.from_numpy(a)
print(a, b)

#输出
[1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1.], dtype=torch.float64)

我们可以通过shape或者size()来获取Tensor的形状:

print(x.size())
print(x.shape)

我们可以通过shape来获取Tensor的形状:

print(x.shape)