np 中的类型转换，np转tensor, tensor与设备绑定

最新推荐文章于 2024-07-08 18:55:21 发布

yuweififi

最新推荐文章于 2024-07-08 18:55:21 发布

阅读量289

点赞数

文章标签： python 计算机视觉深度学习

本文链接：https://blog.youkuaiyun.com/yuweififi/article/details/134837428

版权

文章介绍了在计算机视觉中，使用OpenCV的boundingRect函数处理多边形轮廓点，计算ROI类别，转换数据类型并将其添加到样本预测实例中的过程，包括使用PyTorch进行GPU绑定。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

               

                rect = cv2.boundingRect(poly_contour_pts)
                x_start = rect[0]
                y_start = rect[1]
                x_end = x_start + rect[2]
                y_end = y_start + rect[3]
               
                poly_class = prob_class.argmax(0)
                roi_class = poly_class[x_start:x_end, y_start:y_end]
                roi_class = roi_class.flatten().tolist()
                type_ = max(roi_class,key=roi_class.count) + 1
                bboxes = np.array([x_start, y_start, x_end, y_end], dtype=np.float32) #指定类型
                # print(type(poly))
                
                # # poly = poly.astype(np.float32) #指定类型
                # print('&&&&&&& poly ', poly)
                data_sample.pred_instances.bboxes.append(bboxes)
                data_sample.pred_instances.polygons.append(poly)
                data_sample.pred_instances.scores.append(score)
                data_sample.pred_instances.labels.append(np.int64(type_))

        data_sample.pred_instances.scores = torch.FloatTensor(
            data_sample.pred_instances.scores)
        data_sample.pred_instances.labels = torch.FloatTensor(
            data_sample.pred_instances.labels)
        data_sample.pred_instances.bboxes = torch.FloatTensor(
            data_sample.pred_instances.bboxes) #转tensor
#与设备绑定
            cuda0 = torch.device('cuda:0')
            pred_labels = pred_labels.to(cuda0)
            if pred_bboxes is not None:
                 pred_bboxes = pred_bboxes.to(cuda0)