pixelshufflle实现超分辨率重建

pixelshuffle定义：前人栽树：https://www.pianshen.com/article/33311325633/
算法思路：图像转张量（NxCxWxH）–增加C的维度–调用pixelshuffle
博主最近在做图像超分辨率重建，复现了SRCNN,RDN一些卷积之后concat再进行上采样的算法，今天做了一下简单的pixelshuffle。

import torch
from torch import nn
import cv2
import numpy as np
from torchvision import transforms

img1 = cv2.imread('./107.png',cv2.IMREAD_COLOR)

img1 = transforms.ToTensor()(img1)
img1 = img1.unsqueeze(0)
img1 = img1.repeat(1,9,1,1)
a = nn.PixelShuffle(3)
img1 = a(img1)
img1 = np.squeeze(img1)
unloader = transforms.ToPILImage()
image = unloader(img1)
image.show()

过程中有一些坑记录一下，1,是PIL版本问题.2，unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度，比如原本有个三行的数据（3），unsqueeze(0)后就会在0的位置加了一维就变成一行三列（1,3）。torch.squeeze(input, dim=None, out=None)：去除那些维度大小为1的维度 torch.unbind(tensor, dim=0)：去除某个维度 torch.unsqueeze(input, dim, out=None)：在指定位置添加维度。unsqueeze主要起到升维的作用，后续图像处理可以更好地进行批操作3，squeeze()去维度。
前人栽树：https://www.zhangshengrong.com/p/Ap1Zp295N0/ 张量的变换
https://blog.csdn.net/weixin_40520963/article/details/105783025 张量转图片