提问人：singa1994 提问时间：5/28/2019 最后编辑：Anubhav Singhsinga1994 更新时间：5/29/2019 访问量：2190
从 numpy 到 Pytorch 的矩阵乘法（元素）
Matrix multiplication (element-wise) from numpy to Pytorch
问：
我有两个numpy数组（image和environment map），
MatA
MatB
两者都有形状(256, 512, 3)
当我用numpy进行乘法（元素）时：
prod = np.multiply(MatA,MatB)
我得到了想要的结果（在返回图像时通过 Pillow 可视化）
但是当我使用 pytorch 执行此操作时，我得到了一个非常奇怪的结果（甚至不接近上述结果）。
我用以下代码做到了：
MatATensor = transforms.ToTensor()(MatA)
MatBTensor = transforms.ToTensor()(MatB)
prodTensor = MatATensor * MatBTensor
由于某些原因，MatATensor 和 MatBtensor 的形状都是
torch.Size([3, 256, 512])
prodTensor 也是如此。
当我尝试重塑为 时，我遇到了一个错误。(256,512,3)
有没有办法得到相同的结果？
我是 pytorch 的新手，所以任何帮助将不胜感激。
答：
1赞
Shai
5/28/2019
#1
如果您阅读了转换的文档。ToTensor（），你会看到这个转换不仅将 numpy 数组转换为 ，而且还将其维度从 xx 转置为 xx。
要“撤消”此操作，您需要torch.FloatTensorHW33HW
prodasNp = (prodTensor.permute(2, 0, 1) * 255).to(torch.uint8).numpy()
有关更多信息，请参见 permute。
评论
0赞
singa1994
5/28/2019
谢谢@Shai的回答。我最终设法通过重塑 2d 矩阵 （w*h，3） 来解决这个问题。我会尽快确认您的解决方案
0赞
Shai
5/28/2019
@alphjheon注意的是，和之间有一个根本的区别：虽然改变了张量的形状，但并不影响元素的实际排列。相反，对张量的元素进行重新排序。有关更多详细信息，请参阅此答案。permuteviewviewpermute
1赞
ndrwnaguib
5/29/2019
#2
我建议你使用 torch.from_numpy，它可以轻松地将你的 s 转换为火炬张量。如：ndarray
In[1]: MatA = np.random.rand(256, 512, 3)
In[2]: MatB = np.random.rand(256, 512, 3)
In[3]: MatA_torch = torch.from_numpy(MatA)
In[4]: MatB_torch = torch.from_numpy(MatB)
In[5]: mul_np = np.multiply(MatA, MatB)
In[6]: mul_torch = MatA_torch * MatB_torch
In[7]: torch.equal(torch.from_numpy(mul_np), mul_torch)
Out[7]: True
In[8]: mul_torch.shape
Out[8]: torch.Size([256, 512, 3])
如果你想让它回到numpy，只需做：
mul_torch.numpy()
评论