Spaces:
Running
Running
File size: 1,967 Bytes
d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be ca46a75 d5d20be |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 |
"""
作者：林泽毅
建这个开源库的起源呢，是因为在做 onnx 推理的时候，需要将原来的 tensor 转换成 numpy.array
问题是 Tensor 和 Numpy 的矩阵排布逻辑不同
包括 Tensor 推理经常会进行 Transform，比如 ToTensor,Normalize 等
就想做一些等价转换的函数。
"""
import numpy as np
def NTo_Tensor(array):
"""
:param array: opencv/PIL读取的numpy矩阵
:return:返回一个形如 Tensor 的 numpy 矩阵
Example:
Inputs:array.shape = (512,512,3)
Outputs:output.shape = (3,512,512)
"""
output = array.transpose((2, 0, 1))
return output
def NNormalize(array, mean=np.array([0.5, 0.5, 0.5]), std=np.array([0.5, 0.5, 0.5]), dtype=np.float32):
"""
:param array: opencv/PIL读取的numpy矩阵
mean: 归一化均值，np.array 格式
std: 归一化标准差，np.array 格式
dtype：输出的 numpy 数据格式，一般 onnx 需要 float32
:return:numpy 矩阵
Example:
Inputs:array 为 opencv/PIL 读取的一张图片
mean=np.array([0.5,0.5,0.5])
std=np.array([0.5,0.5,0.5])
dtype=np.float32
Outputs:output 为归一化后的 numpy 矩阵
"""
im = array / 255.0
im = np.divide(np.subtract(im, mean), std)
output = np.asarray(im, dtype=dtype)
return output
def NUnsqueeze(array, axis=0):
"""
:param array: opencv/PIL读取的numpy矩阵
axis：要增加的维度
:return:numpy 矩阵
Example:
Inputs:array 为 opencv/PIL 读取的一张图片，array.shape 为 [512,512,3]
axis=0
Outputs:output 为 array 在第 0 维增加一个维度，shape 转为 [1,512,512,3]
"""
if axis == 0:
output = array[None, :, :, :]
elif axis == 1:
output = array[:, None, :, :]
elif axis == 2:
output = array[:, :, None, :]
else:
output = array[:, :, :, None]
return output
|