获取数据类型的“张量不是火炬图像”<class 'torch.Tensor'>答案

【问题标题】：Getting 'tensor is not a torch image' for data type <class 'torch.Tensor'>获取数据类型的“张量不是火炬图像”<class 'torch.Tensor'>
【发布时间】：2020-06-22 21:27:31
【问题描述】：

正如问题所暗示的，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)

但我得到了错误 ---> 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.

【问题讨论】：

标签： numpy machine-learning deep-learning pytorch tensor

【解决方案1】：

这是因为到目前为止，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，不如使用类似的方法：

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

另外，因为0.5 值代表图像通道的均值和标准差，所以通常应该只有 3 个通道（您不会“标准化”批量维度，只有空间维度），所以不是使用长度为 5 的 tuple，执行 (0.5, 0.5, 0.5)。

【讨论】：

知道了。谢谢！