计算图像和矢量的“点”积

Question

我想计算向量和图像与形状的点积：

• (三)
• （310801080）

输出应为（110801080）

img = torch.rand((3,1080,1080))
R_coefficient=float(0.2126)
G_coefficient=float(0.7152)
B_coefficient=float(0.0722)
Y = img[0,...]*R_coefficient + img[1,...]*G_coefficient img[2,...]*B_coefficient

上面的代码给出了我要查找的结果，但我想使用PyTorchutils，如torch.dot、torch.matmul等

我试过这些

TensorImage(torch.dot(img[:,...],RGB_vector[:]))
TensorImage(torch.matmul(img,RGB_vector[:]))

这两个选项给了我一个连接形状的错误，我拒绝了它们

RGB_vector = torch.tensor([[[0.2126, 0.7152, 0.0722]]], dtype=img.dtype).permute(2,1,0)
    #     torch.t(RGB_vector)
        print(RGB_vector.shape)
        print(img.shape)
        return TensorImage(img[:,...]*RGB_vector)#.unsqueeze_(0)

上面的这个示例可以工作，但是我得到的图像是shape（310801080），但是我需要在第一个形状的维度上得到1而不是3

当前工作示例

import torch
img = torch.rand((3,1080,1080))
RGB_vector = torch.tensor([[[0.2126, 0.7152, 0.0722]]], dtype=img.dtype).permute(2,1,0)
print(RGB_vector.shape)
print(img.shape)
TensorImage(img[:,...]*RGB_vector).unsqueeze_(0)

您好， DA

Answer 1

谢谢你的回答，我已经处理了torch.einsum，最后看起来

import torch
img = torch.rand((3,1080,1080))
vec = torch.tensor([1, 2, 3]).t()
result = torch.einsum("i,ijk->jk", vec, img))

Answer 2

要尽可能少地修改示例，请执行以下操作：

import torch
img = torch.rand((3,1080,1080))
RGB_vector = torch.tensor([[[0.2126, 0.7152, 0.0722]]], dtype=img.dtype).permute(2,1,0)

return torch.mean(img * RGB_vector, axis=0).unsqueeze(0)

这将返回一个（110801080）张量

Answer 3

（这可以提供正确的形状，但我不确定这是否是您需要的）

第二个张量有dim>；当第一张量的最后一维等于第二张量的第二维时，2似乎起作用

v = torch.rand(3).unsqueeze(0)
m = torch.rand(3, 1080, 1080).transpose(0, 1)
r = torch.matmul(v, m).transpose(0, 1)

print(r.shape)

>>> torch.Size([1, 1080, 1080])