获取数据类型 <class 'torch.Tensor'> 的 'tensor is not a torch image'

Question

如问题所示，我正在尝试将 images 转换为张量。

X, y = train_sequence[idx]  

images = Variable(torch.from_numpy(X)).to(device) # [batch, channel, H, W]
masks = Variable(torch.from_numpy(y)).to(device) 
print(type(images)) ## Output: <class 'torch.Tensor'>


images = transforms.Normalize((0.5, 0.5, 0.5, 0.5, 0.5), (0.5, 0.5, 0.5,0.5, 0.5))(images)
masks =  transforms.Normalize((0.5), (0.5))(masks)

但是我在 ---> 19 images = transforms.Normalize((0.5, 0.5, 0.5, 0.5, 0.5), (0.5, 0.5, 0.5,0.5, 0.5))(images)

TypeError: tensor is not a torch image.

Answer 1

这是因为截至目前，torchvison.transforms.Normalize 仅支持具有 2 或 3 个通道的图像，没有批量维度，即。 (C, H, W)。因此，与其传入 4D 张量，不如这样：

image = torch.ones(3, 64, 64)
image = transforms.Noramalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))(image)

此外，因为 0.5 值代表图像通道的平均值和标准偏差，通常应该只有 3 个通道（您没有 "normalise" 批次维度，只有空间维度ones)，所以不要使用长度为 5 的 tuple，而是 (0.5, 0.5, 0.5).

获取数据类型 <class 'torch.Tensor'> 的 'tensor is not a torch image'

Getting 'tensor is not a torch image' for data type <class 'torch.Tensor'>

numpy

machine-learning

deep-learning

pytorch

tensor