pytorch用MaxPooling实现图片转换到指定大小

参考自:

  • 使用Icecream提高Python调试效率
  • Pytorch Tensor交换维度
  • MAXPOOL2D
import os
from icecream import ic
import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F
from PIL import Image

path = "./1.jpeg"

# 图片本身
img = Image.open(path)
img.save("old.jpg")
# img.show()

img = torch.from_numpy(np.array(img, dtype=np.float32))
ic(img.shape)  # torch.Size([680, 440,3])

# 添加模型需要的batch_size,将channel换到第二个维度
img = img.unsqueeze(0).transpose(1, 3).transpose(2, 3)
ic(img.shape)  # torch.Size([1, 3, 680, 440])


# 先随便写池化层的kernel_size和步长
m = nn.MaxPool2d((3, 2), stride=(2, 1))

new_img = m(img)
ic(new_img.shape)  # torch.Size([1, 3,  339, 439])

# 维度转变 成Image需要的
new_img = new_img.transpose(1, 2).transpose(2, 3).squeeze()
ic(new_img.shape)  # torch.Size([339, 439, 3])

img = Image.fromarray(np.uint8(new_img)).convert('RGB')
img.save("./new.jpg")

其中新旧图片的尺寸和步长、kernel_size的计算公式如下:
 Input:  ( N , C , H i n , W i n )  or  ( C , H i n , W i n ) \text { Input: }\left(N, C, H_{i n}, W_{i n}\right) \text { or }\left(C, H_{i n}, W_{i n}\right)  Input: (N,C,Hin,Win) or (C,Hin,Win)
 Output:  ( N , C , H out  , W out  )  or  ( C , H out  , W out  ) , where  \text { Output: }\left(N, C, H_{\text {out }}, W_{\text {out }}\right) \text { or }\left(C, H_{\text {out }}, W_{\text {out }}\right) \text {, where }  Output: (N,C,Hout ,Wout ) or (C,Hout ,Wout ), where 
pytorch用MaxPooling实现图片转换到指定大小_第1张图片

效果如图
pytorch用MaxPooling实现图片转换到指定大小_第2张图片

你可能感兴趣的:(#,代码,Python,#,pytorch,pytorch,python,深度学习)