numpy转tensor

torch.from_numpy(data)
或
torch.from_numpy(data).to(a.device)

也可以用
torch.as_tensor(data)

以前是整型，导入就是整型。以前是浮点型，导入就是浮点型

注意，torch.from_numpy()这种方法互相转的Tensor和numpy对象共享内存，所以它们之间的转换很快，而且几乎不会消耗资源。这也意味着，如果其中一个变了，另外一个也会随之改变。

图片的numpy转tensor

注意，读取图片成numpy array的范围是[0,255]是uint8

           而转成tensor的范围就是[0,1.0], 是float

所以图片的numpy转tensor有些不一样

如果是直接按照上面的方法 x = torch.from_array(x), 得到的tensor值是0-255的

得到0-1.0的话

import torchvision.transforms as transforms
import matplotlib.pyplot as plt
 
img = plt.imread('wave.jpg')
print(img.shape)   # numpy数组格式为（H,W,C）
 
img_tensor = transforms.ToTensor()(img)  # tensor数据格式是torch(C,H,W)
print(img_tensor.size())

import torchvision.transforms as transforms
import cv2
 
img = cv2.imread('image/000001.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
print(img.shape)   # numpy数组格式为（H,W,C）
 
img_tensor = transforms.ToTensor()(img)  # tensor数据格式是torch(C,H,W)
print(img_tensor.size())

而且同时还会把(h,w,c)转成(c,h,w)

tensor转numpy

b = a.numpy()

b = a.clone().detach().cpu().numpy()

 注意，torch.from_numpy()这种方法互相转的Tensor和numpy对象共享内存，所以它们之间的转换很快，而且几乎不会消耗资源。这也意味着，如果其中一个变了，另外一个也会随之改变。

图片的tensor转numpy

如果tensor是0-1.0的话

x = x.mul(255).add_(0.5).clamp_(0, 255).permute(1, 2, 0).to('cpu', torch.uint8).numpy()

如果tensor是0-255的话

x = x.permute(1, 2, 0).to('cpu', torch.uint8).numpy()