pytorch保存特征图

pytorch子项目torchvision提供了用于保存tensor为图片的方法 torchvision.utils.save_image

https://pytorch.org/vision/stable/generated/torchvision.utils.save_image.html?highlight=save_image#torchvision.utils.save_image

其中，参数tensor的维度为(batch_size, channel_size, H, W) 或者 (channel_size, H, W) 或者 (H, W)，fp则为文件保存路径

注意：该处batch_size应该为同类图片的张数，而channel应该为单张图片的通道数（例如灰度图为1，rgb图为3），而不是你训练的batch size，也不是特征图的通道数

事实上，当输入tensor为minibatch时，其内部还会调用 torchvision.utils.make_grid 方法对所有的图片合成一张大图

https://pytorch.org/vision/stable/generated/torchvision.utils.make_grid.html?highlight=make_grid#torchvision.utils.make_grid

在torchvision.utils.save_image参数中，可以直接使用kv的形式传递torchvision.utils.make_grid的参数，通过save_image的源码可以看到，它是直接将后面的参数传递给了make_grid，由此你就可以在save_image方法中调整拼接图的间距（本该是make_grid的参数）

示例：

# 将上一个模型得到的特征图x保存下来
# x的第一维是train的batch size，每一个batch并不属于同一个物品，故将每个物品的特征图单独保存（单独取出每个train的batch）
# 每个物品的特征图有很多，每个特征图又是一张单独的灰度图，故将特征图的数量作为save_image的batch_size，而每张图是单通道的灰度图，故给每张图都增加一个维度用于表示其通道数为一维
# nrow 用于指定每一行并排拼接多少张图片，为了让整个大图看起来更方，这个就用特征图数量的开方
torchvision.utils.save_image(x[0].unsqueeze(1), r"D:\Tmp\feature.jpg", nrow=int(math.sqrt(x.shape[1])), padding=8)

结果就是本文最开头的那个图片