pytorch cat、stack、tranpose、permute、unsqeeze

最新推荐文章于 2024-06-04 08:26:45 发布

AI算法网奇

最新推荐文章于 2024-06-04 08:26:45 发布

阅读量2.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch知识宝典

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/85231128

pytorch知识宝典专栏收录该内容

512 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了PyTorch中几个重要的张量操作，包括Cat（沿着指定维度拼接）、Stack（增加新维度进行堆叠）、Transpose（交换维度）、Permute（灵活的维度调整）以及Squeeze和Unsqueeze（修改维度数量）。通过实例展示了这些操作如何影响张量的形状和内容，强调了它们在多维数据处理中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

总结：torch版cuda最快，cpu次之，python最慢。

import time
import torch
import numpy as np
import cv2
if __name__ == '__main__':
    path=r'D:\111.jpg'

    img_ = cv2.imread(path)
    start = time.time()
    for j in range(500):
        #python中如果是除法，img=img/255.0 会很快;img1=img/255.0 就会比较慢，一张图片需要156ms
        img=img_/255.0
        image = np.transpose(img, (2, 0, 1))
        img2 = torch.from_numpy(image).float()#.unsqueeze(0)
        # time.sleep(0.007)
    print('time1',time.time()-start)
    img = cv2.imread(path)
    start = time.time()
    for j in range(500):
        # img_=img_/255.0
        img2 = torch.from_numpy(img)
        img2=img2.cuda().float().div(255.0)#.unsqueeze(0)
        img2=img2.permute(2, 0, 1)
        # time.sleep(0.007)
    print('time2', time.time() - start)