pytorch plt.savefig()的用法及保存路徑

Posted on by

圖像有時候比數據更能滿足人們的視覺需求

Pytorch中保存圖片的方式

pytorch下保存圖像有很多種方法，但是這些基本上都是基於圖像處理的，將圖像的像素指定一定的維度 ，方法如下：

1、tensor直接保存

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import torch
from torchvision import utils as vutils
 
 
def save_image_tensor(input_tensor: torch.Tensor, filename):
    """
    將tensor保存為圖片
    :param input_tensor: 要保存的tensor
    :param filename: 保存的文件名
    """
    assert (len(input_tensor.shape) == 4 and input_tensor.shape[0] == 1)
    # 復制一份
    input_tensor = input_tensor.clone().detach()
    # 到cpu
    input_tensor = input_tensor.to(torch.device('cpu'))
    # 反歸一化
    # input_tensor = unnormalize(input_tensor)
    vutils.save_image(input_tensor, filename)

2、tensor轉cv2保存

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import torch
import cv2
 
 
def save_image_tensor2cv2(input_tensor: torch.Tensor, filename):
    """
    將tensor保存為cv2格式
    :param input_tensor: 要保存的tensor
    :param filename: 保存的文件名
    """
    assert (len(input_tensor.shape) == 4 and input_tensor.shape[0] == 1)
    # 復制一份
    input_tensor = input_tensor.clone().detach()
    # 到cpu
    input_tensor = input_tensor.to(torch.device('cpu'))
    # 反歸一化
    # input_tensor = unnormalize(input_tensor)
    # 去掉批次維度
    input_tensor = input_tensor.squeeze()
    # 從[0,1]轉化為[0,255]，再從CHW轉為HWC，最後轉為cv2
    input_tensor = input_tensor.mul_(255).add_(0.5).clamp_(0, 255).permute(1, 2, 0).type(torch.uint8).numpy()
    # RGB轉BRG
    input_tensor = cv2.cvtColor(input_tensor, cv2.COLOR_RGB2BGR)
    cv2.imwrite(filename, input_tensor)

3、tensor轉pillow保存

def save_image_tensor2pillow(input_tensor: torch.Tensor, filename):
    """
    將tensor保存為pillow
    :param input_tensor: 要保存的tensor
    :param filename: 保存的文件名
    """
    assert (len(input_tensor.shape) == 4 and input_tensor.shape[0] == 1)
    # 復制一份
    input_tensor = input_tensor.clone().detach()
    # 到cpu
    input_tensor = input_tensor.to(torch.device('cpu'))
    # 反歸一化
    # input_tensor = unnormalize(input_tensor)
    # 去掉批次維度
    input_tensor = input_tensor.squeeze()
    # 從[0,1]轉化為[0,255]，再從CHW轉為HWC，最後轉為numpy
    input_tensor = input_tensor.mul_(255).add_(0.5).clamp_(0, 255).permute(1, 2, 0).type(torch.uint8).numpy()
    # 轉成pillow
    im = Image.fromarray(input_tensor)
    im.save(filename)

 主要是寫一些函數來保存圖片；

另外，pytorch中有很多可以直接保存圖片的語句

如

save_image(fake_images, './img/fake_images-{}.png'.format(epoch + 1))

此語句同樣需要轉化像素。

那麼如果

我隻需要打開一個視窗，觀察訓練過程中圖像的變化，我對圖像像素保存沒有什麼需求，隻是保存一個視窗，那麼我需要的保存圖像的函數僅僅是一個

plt.savefig

plt.savefig的用法以及保存的路徑，及訓練過程中不會被覆蓋掉，可以上代碼供大傢參考

        if epoch % 10== 0:
            plt.title('ber:{:.3f},a: {:.3f},b:{:.3f},snr: {:.3f}'.format(
            error_rate, a, b,M 
            ))
            plt.plot(r3)  # 繪制波形
 
            # save_image(r3, './img/fake_images-{}.png'.format(epoch + 1))
            # print(type(r3))
            # plt.draw()
            plt.draw()
            plt.savefig('./img/pic-{}.png'.format(epoch + 1))
            plt.pause(1)
 
            plt.close(fig1)

大功告成，可以看看保存後的圖片

 已經都整整齊齊的在我的保存路徑下瞭。

總結

到此這篇關於pytorch plt.savefig()用法及保存路徑的文章就介紹到這瞭,更多相關plt.savefig()用法及路徑內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：