torch.nn.functional.interpolate与torchvision.transforms.Resize方法对张量图像Resize应用

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

要使用 PyTorch 对张量进行调整大小，您可以使用 torch.nn.functional.interpolate 函数。要对cpu中类似PIL数据，您可以使用torchvision.transforms.Resize函数。本文将介绍这2种函数应用方法。

---

一、非张量数据使用torch方法resize(transforms.Resize)

当您使用 PyTorch 时，可以使用 torchvision.transforms 中的 Resize 类来调整图像的大小。以下是一个简单的示例代码，演示如何使用 Resize 类来调整图像的大小。其代码如下：

import torch
from torchvision import transforms
from PIL import Image

# 读取图像
image_path = 'path_to_your_image.jpg'
image = Image.open(image_path)

# 定义变换
resize = transforms.Resize((100, 100))  # 将图像调整为 100x100 大小

# 应用变换
resized_image = resize(image)

# 显示调整后的图像
resized_image.show()

在这个示例中，我们首先使用 PIL 库打开图像，然后定义了一个 Resize 变换，将图像调整为 100x100 大小。接着，我们将这个变换应用到图像上，并显示调整后的图像。

二、张量数据使用torch方法resize(torch.nn.functional.interpolate)

要使用 PyTorch 对张量进行调整大小，您可以使用torch.nn.functional.interpolate 函数。以下是一个简单的示例代码，演示如何使用 interpolate 函数来调整张量的大小。其代码如下：

import torch
import torch.nn.functional as F
from torchvision import transforms
from PIL import Image

# 创建一个示例张量，假设它的形状是 [1, 3, 64, 64]，表示一个大小为 64x64 的 RGB 图像
# 这里假设您已经有了一个张量，如果您要从图像文件创建张量，请参考前面的代码示例
input_tensor = torch.rand(1, 3, 64, 64)

# 定义目标大小
target_size = (100, 100)

# 使用 interpolate 函数调整张量大小
resized_tensor = F.interpolate(input_tensor, size=target_size, mode='bilinear', align_corners=False)

# 打印调整后的张量形状
print(resized_tensor.shape)

在这个示例中，我们首先创建了一个形状为 [1, 3, 64, 64] 的示例张量，表示一个大小为 64x64 的 RGB 图像。然后，我们定义了目标大小为 (100, 100)，并使用 F.interpolate 函数将输入张量调整为目标大小。最后，我们打印了调整后的张量形状。

请注意，F.interpolate 函数中的参数 mode 和 align_corners 可以根据您的需求进行调整。

---