图像 -----＞ array与tensor的不同

#image的size为（w,h）即（w = 1000，h = 500）

img_arr  = np.array(image)或者 img_arr = np.asarray(image) #将image转换成array

img_tesnor = trans(image)   #image转换成tensor，其中函数trans自定义的。

测试可知，image在array中表示为（H,W,C）

在tensor中表示为（C,H,W）

且可以看出，在array中表示为0-255，在tensor中表示为0-1

---

---

path="img地址"
img = Image.open(path)

arr = np.array(img)
print(arr.shape)
print(arr[0].shape)

tensor = trans(img)    #trans为自定义函数
print(tensor.shape)
print(tensor[0].shape)

输出

(375, 500, 3)
(500, 3)
torch.Size([3, 375, 500])
torch.Size([375, 500])

arr[0]表示取数组第0维度第0位置上的切片

tensor[0]表示取tensor第0维度上的第0位置的切片。

再如

print(arr.shape[1])
print(tensor[1].shape)

#输出
(375, 500, 3)
(500, 3)
torch.Size([3, 375, 500])
torch.Size([375, 500])

再如

print(arr[1,10].shape)
print(tensor[1,10].shape)

#输出
(375, 500, 3)
(3,)
torch.Size([3, 375, 500])
torch.Size([500])

总结：关于切片，数组和tensor是一样的。

print(arr.shape)
print(arr[1].shape)
print(arr[1].shape[0])

print(tensor.shape)
print(tensor[1].shape)
print(tensor[1].shape[0])

#输出##############################################
(375, 500, 3)
(500, 3)
500
torch.Size([3, 375, 500])
torch.Size([375, 500])
375

对于后续在shape后面再加一个[i]是说（此时的shape内容其实是一个数组）对于当前的一个内容为（375，500，3）的数组进行按索引取值。你应该能看懂。