如何快速将返回的 Python-in-Lua numpy 数组转换为 Lua Torch 张量？

Question

我有一个 Python 函数，它返回一个多维 numpy 数组。我想从 Lua 调用这个 Python 函数，并尽快将数据输入 Lua Torch 张量。我有一个工作非常缓慢的解决方案，并且正在寻找一种速度明显更快的方法（10fps 或更多）。我不确定这是否可能。

考虑到 Facebook 支持的 Torch 越来越受欢迎，以及 Lua 缺乏的 Python 中提供的广泛易用的图像处理工具，我相信这对其他人有用。

我正在使用 lunatic-python 的 Bastibe fork 来从 Lua 调用 Python 函数。在以前的question 和documentation 的帮助下，我想出了一些有效的代码，但是速度太慢了。我正在使用 Lua 5.1 和 Python 2.7.6，如有必要，可以更新它们。

Lua 代码：“test_lua.lua”

require 'torch'

print(package.loadlib("libpython2.7.so", "*"))
require("lua-python")

getImage = python.import "test_python".getImage

pb = python.builtins()

function getImageTensor(pythonImageHandle,width,height)
    imageTensor = torch.Tensor(3,height,width)
    image_0 = python.asindx(pythonImageHandle(height,width))
    for i=0,height-1 do
        image_1 = python.asindx(image_0[i])
        for j=0,width-1 do
            image_2 = python.asindx(image_1[j])
            for k=0,2 do
                -- Tensor indices begin at 1
                -- User python inbuilt to-int function to return integer
                imageTensor[k+1][i+1][j+1] = pb.int(image_2[k])/255
            end
        end
    end
    return imageTensor
end


a = getImageTensor(getImage,600,400)

Python 代码：“test_python.py”

import numpy
import os,sys
import Image

def getImage(width, height):
    return numpy.asarray(Image.open("image.jpg"))

Answer 1

试试lutorpy，它在python中有一个lua引擎，并且能够与torch共享numpy内存，所以速度非常快，这里是你案例的代码：

import numpy
import Image
import lutorpy as lua

getImage = numpy.asarray(Image.open("image.jpg"))
a = torch.fromNumpyArray(getImage)

# now you can use your image as torch Tensor
# for example: use SpatialConvolution from nn to process the image
require("nn")
n = nn.SpatialConvolution(1,16,12,12)
res = n._forward(a)
print(res._size())

# convert back to numpy array
output = res.asNumpyArray()