[Pytorch] pytorch笔记 <一>

pytorch笔记 - torchvision.utils.make_grid

torchvision.utils.make_grid

torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False)
# 将一小batch图片变为一张图。nrow表示每行多少张图片的数量。

# 给一个batch为4的图片，h和w分别为32，channel为3，看看结果
images,labels = dataiter.next()
print(images.shape)
#torch.Size([4, 3, 32, 32]) bchw
print(torchvision.utils.make_grid(images).shape)
#torch.Size([3, 36, 138])

怎么理解这个输出结果呢？第一个dim当然就是channel，因为合并成一张图片了嘛，所以batch这个维度就融合了，变成了chw，这里c还是原来的channel数，h比原来增加了4，w = 32*4 + 10，c很好理解，那么为什么h增加了4，w增加了10呢？

我想办法把batch_size调整成了3，结果如下：

#torch.Size([3, 3, 32, 32])
#torch.Size([3, 36, 104])

通过结果才看到，原来函数参数里还有个padding和nrow。直接去官网查文档：

• tensor (Tensor or list) – 4D mini-batch Tensor of shape (B x C x H x W) or a list of images all of the same size.
• nrow (int, optional) – Number of images displayed in each row of the grid. The Final grid size is (B / nrow, nrow). Default is 8.
• padding (int, optional) – amount of padding. Default is 2.
• normalize (bool, optional) – If True, shift the image to the range (0, 1), by subtracting the minimum and dividing by the maximum pixel value.
• range (tuple, optional) – tuple (min, max) where min and max are numbers, then these numbers are used to normalize the image. By default, min and max are computed from the tensor.
• scale_each (bool, optional) – If True, scale each image in the batch of images separately rather than the (min, max) over all images.
• pad_value (float, optional) – Value for the padded pixels.

很明显，当batch为3的时候，w应该为3*32 = 96，但是我们考虑到每张图片的padding其实是2，因此，每张图片其实变成了36*36的图片，所以最终应该为w = 36/* 3 =108才对呀？

显然上面的想法还是不对，思考了一会，算是想明白了。

三张图片，padding在水平方向并没有每张图片都padding，而是两张图片之间只有一个padding，这样3张图片空隙有两个，加上最左和最右，水平方向上其实是4* 2 =8，所以w增加了8，这样96 + 8 = 104 就对了。同理，竖直方向上也是这样处理的。