根据torch.max得到的索引, 获取原数据中的完整信息 (tensor 张量的选取)

本文介绍了一种基于PyTorch的图像输出处理方法,通过筛选置信度维度中特定数值来确定最佳锚框,适用于六分类任务。文章详细展示了如何通过编程实现这一过程,包括获取置信度最大锚框索引并从原始输出中提取对应数据。
部署运行你感兴趣的模型镜像

图像输出中,以六分类为例子,输出结果是【5,1,3,512,11】

维度解释:

batchsize=5 ,512个格点,每个格点铺设3个框

数据处理目的:

筛选出置信度维度 最后一维【11】中的第5个数值,筛选出置信度最大的锚框

难点:

1、取得置信度最大锚框的索引

2、根据索引在原输出结果中取出

torch.manual_seed(1)
x=torch.rand(5,3,1,512,11)
'''从 11 的维度中取出 '''
_,location  = torch.max(x[...,4],dim=-1)
'''x[...,3] shape torch.Size([5, 3, 1, 512]) '''
'''目标是  找出 512 最大的位置,并在原来的prediction中取出对应维度'''
print(x.shape)
print(location.shape)

torch.manual_seed(1)
y=torch.rand(5, 3, 1, 1, 11)
for q in range(location.shape[0]):
    for w in range(location.shape[1]):
        for e in range(location.shape[2]):        
            y[q,w,e,0,:]=x[q,w,e,location[q,w,e].item(),:]
print(y.shape)

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值