将两行torch代码转为pytorch或python代码，代码如下

Posted 2023-04-14

fp = torch.DiskFile(filename,"r"):binary()
depthimage =torch.view(torch.FloatTensor(fp:readFloat(imgWidth*imgHeight)),imgHeight,imgWidth)

代码作用，将filename指定的bin文件读成浮点形式，大小转为（imgHeight,imgWidth）
求大神指点
bin格式文件

参考技术A from PIL import Image#python3中image要从PIL中导入
import numpy as np

def getTestImgArray(filename,imgHeight,imgWidth):
im = Image.open(filename)
x_s = imgWidth
y_s = imgHeight
im_arr = im.resize((x_s, y_s), Image.ANTIALIAS)

nm = im_arr.reshape((1, imgHeight*imgHeight))

nm = nm.astype(np.float32)

return nm

np.ndarray与torch.Tensor之间的转化 （图像的区别）

np.ndarray转为torch.Tensor

在深度学习中，原始图像需要转换为深度学习框架自定义的数据格式，在pytorch中，需要转为torch.Tensor。
pytorch提供了torch.Tensor 与numpy.ndarray转换为接口：

方法名	作用
torch.from_numpy(xxx)	numpy.ndarray转为torch.Tensor
tensor1.numpy()	获取tensor1对象的numpy格式数据

torch.Tensor 高维矩阵的表示： N x C x H x W

numpy.ndarray 高维矩阵的表示：N x H x W x C

因此在两者转换的时候需要使用numpy.transpose( ) 方法 。

def imshow(img):
    img = img / 2 + 0.5
    img = np.transpose(img.numpy(),(1,2,0))
    plt.imshow(img)