NumPy + PyTorch 张量赋值

Question

假设我们有一个 tensor 表示形状为 (910, 270, 1) 的图像，它为宽度 = 910 和高度 = 270 的每个像素分配了一个数字（某个索引）。

我们还有一个大小为 (N, 3) 的 numpy 数组，它将一个 3 元组映射到一个索引。

我现在想创建一个新的形状为 (920, 270, 3) 的 numpy 数组，它有一个基于原始张量索引和 mapping-3-tuple-numpy 数组的三元组。我如何在没有 for 循环和其他消耗迭代的情况下执行此分配？

这看起来像：

color_image = np.zeros((self._w, self._h, 3), dtype=np.int32)
self._colors = np.array(N,3) # this is already present
indexed_image = torch.tensor(920,270,1) # this is already present

#how do I assign it to this numpy array?
color_image[indexed_image.w, indexed_image.h] = self._colors[indexed_image.flatten()]

Answer 1

假设您有 _colors 和 indexed_image。类似于：

>>> indexed_image = torch.randint(0, 10, (920, 270, 1))
>>> _colors  = np.random.randint(0, 255, (N, 3))

将密集图转换为 RGB 图的一种常见方法是遍历标签集：

>>> _colors = torch.FloatTensor(_colors)

>>> rgb = torch.zeros(indexed_image.shape[:-1] + (3,))
>>> for lbl in range(N):
...     rgb[lbl == indexed_image[...,0]] = _colors[lbl]

NumPy + PyTorch 张量赋值

NumPy + PyTorch Tensor assignment

python

arrays

numpy

pytorch

tensor