¿Cómo muestro una sola imagen en PyTorch?

¿Cómo muestro un PyTorch? Tensor de forma (3, 224, 224) que representa una imagen RGB de 224×224? Usando plt.imshow(image) da el error:

TypeError: dimensiones no válidas para datos de imagen

Dado un Tensor representando la imagen, utilice .permute() para poner los canales como la última dimensión:

plt.imshow(  tensor_image.permute(1, 2, 0)  )

Nota: permute no copia ni asigna memoriay from_numpy() tampoco

Como se puede ver matplotlib funciona bien incluso sin conversión a numpy formación. Pero PyTorch Tensors (“Tensores de imagen”) son canales primero, así que para usarlos con matplotlib necesitas remodelarlo:

Código:

from scipy.misc import face
import matplotlib.pyplot as plt
import torch

np_image = face()
print(type(np_image), np_image.shape)
tensor_image = torch.from_numpy(np_image)
print(type(tensor_image), tensor_image.shape)
# reshape to channel first:
tensor_image = tensor_image.view(tensor_image.shape[2], tensor_image.shape[0], tensor_image.shape[1])
print(type(tensor_image), tensor_image.shape)

# If you try to plot image with shape (C, H, W)
# You will get TypeError:
# plt.imshow(tensor_image)

# So we need to reshape it to (H, W, C):
tensor_image = tensor_image.view(tensor_image.shape[1], tensor_image.shape[2], tensor_image.shape[0])
print(type(tensor_image), tensor_image.shape)

plt.imshow(tensor_image)
plt.show()

Producción:

<class 'numpy.ndarray'> (768, 1024, 3)
<class 'torch.Tensor'> torch.Size([768, 1024, 3])
<class 'torch.Tensor'> torch.Size([3, 768, 1024])
<class 'torch.Tensor'> torch.Size([768, 1024, 3])

Dado que la imagen se carga como se describe y se almacena en la variable image:

plt.imshow(transforms.ToPILImage()(image), interpolation="bicubic")
#transforms.ToPILImage()(image).show() # Alternatively

o como Soumith sugirió:

def show(img):
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)), interpolation='nearest')

Los módulos PyTorch que procesan datos de imagen esperan tensores en el formato profundidad × alto × ancho.¹

Mientras que PILLow y Matplotlib esperan matrices de imágenes en el formato alto × ancho × profundidad.²

Puede convertir fácilmente tensores a/de este formato con una transformación TorchVision:

from torchvision import transforms.functional as F

F.to_pil_image(image_tensor)

O permutando directamente los ejes:

image_tensor.permute(1,2,0)

1. Los módulos de PyTorch que tratan con datos de imagen requieren que los tensores se distribuyan como profundidad × alto × ancho : canales, altura y ancho, respectivamente.

2. Tenga en cuenta cómo tenemos que usar permute para cambiar el orden de los ejes de profundidad × alto × ancho a alto × ancho × fondo para que coincida con lo que espera Matplotlib.

   • Aprendizaje profundo con PyTorch

Un ejemplo completo dado un nombre de ruta de imagen img_path:

from PIL import Image
image = Image.open(img_path)
plt.imshow(transforms.ToPILImage()(transforms.ToTensor()(image)), interpolation="bicubic")

Tenga en cuenta que transforms.* devolver un claserazón por la cual el corchete funky.

La antorcha tiene forma de canal, altura, ancho, necesita convertirla en altura, ancho, canal para permutar.

plt.imshow(white_torch.permute(1, 2, 0))

O directamente si quieres

import torch
import torchvision
from torchvision.io import read_image
import torchvision.transforms as T

!wget 'https://images.unsplash.com/photo-1553284965-83fd3e82fa5a?ixlib=rb-1.2.1&ixid=MnwxMjA3fDB8MHxleHBsb3JlLWZlZWR8NHx8fGVufDB8fHx8&w=1000&q=80'  -O white_horse.jpg

white_torch = torchvision.io.read_image('white_horse.jpg')

T.ToPILImage()(white_torch)

Usa show_image de fastai

from fastai.vision.all import show_image