cv2（python）とtorch/image（libpng）の画像の次元の相違点

Question

ディスクまたはURLから画像を読み込むかどうかによって、cv2.imreadとcv2.imdecodeを使用します。これと比較すると、image.loadを使用して、libpngを使用するディスクからロードします。 cv2を使用すると、image.shapeは（height、width、channels）を出力します。しかし、トーチを使用する場合、形状は（チャネル、高さ、幅）です。

私はこれがなぜ、どのように私は2つを同等にすることができますかについて興味があります。私の目標は、（チャネル、高さ、幅）次元を利用して、cv2でダウンロードした多くの画像をトーチテンソルに結合することです。私はcv2でダウンロードされたときに、数が少ない配列を作り直そうとしましたが、テンソルはトーチでダウンロードされたものと一致しません。

Answer 1

異なるライブラリは、異なるメモリフォーマットで画像データを格納することができます。これは、ライブラリとその目的（画像データの通過速度、メモリ効率など）に完全に依存します。

問題の解決策（他のサードパーティツールを使用しない場合）は、transposeを使用することができます。簡単な例：

import numpy as np 

x = np.random.random((3, 15, 17)) 
print(x.shape) 

# transpose axes with this order 
y = x.transpose((1,2,0)) 
print(y.shape) 

# for the sake of testing the euqality of the respective slides: 
print(np.linalg.norm(x[0,:,:] - y[:,:,0])) 

サンプル出力：

(3, 15, 17) 
(15, 17, 3) 
0.0 

Answer 2

チェックアウトlutorpy：

Lutorpyは、双方向の橋で、Pythonでトーチとの深い学習のために建てlibrayですPython/NumpyとLua/Torchの間では、Pythonで任意のTorchモジュール（nn、rnnなど）を使用でき、トーチとnumpyの間の変数（配列とテンソル）を簡単に変換できます。

は、それが組み込まれているサポートトーチテンソルオブジェクトへのnumpyのアレイからの変換のために、彼らのgithubの上の「使用例」を参照してください。

## convert the numpy array into torch tensor 
xt = torch.fromNumpyArray(xn)