基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

在 2、灰度与色彩 的最后，给出了一个由彩色图片转成灰度图的示例，并且通过 color_image.mode 获取了图片的格式：彩色图片获取到的格式为 RGBA，灰度图为 L。 这一节再介绍一下 RGB 图片以及通道的概念。 通道这个概念，在 深度学习 中很重要，并且极为重要。 举个例子—— 在很多时候，对AI神经网络中的一些算法做工程化实现，或者做性能优化，除了关注算法本身之外，还会关注数据存储格式。 一般在 pytorch 中（一个AI模型框架），数据的存储格式 NCHW, C指代的就是通道(channel)， 如此一来，对于需要在通道维度做归一化（如 reduce）的算法，是很不友好的。 因为数据在通道维度不连续，导致取到完整的通道维度信息要跨越很大的地址范围，CPU 或其他 xPU 对于这类的数据寻址性能都是很差的，至少要比连续寻址差。 此时就需要对通道维度做其他的变换。 以上举了在实际 AI 算法开发中会遇到的一类问题：通道维度数据在存储器中摆放不连续导致某些算法运算性能不好，这里暂时了解即可，无需深究，涉及到的内容会在专栏后面有详述。 本节的目的只有一个：只需要了解通道这个概念是什么就行了。 先看下 RGB 图像 你可能知道，色彩通常由红色（Red，R）、绿色（Green, G）、蓝色（Blue, B）三种基本颜色组成，这种颜色表示方式被称为彩色 RGB 模型。 在这个模型中，每个像素的颜色由这三种基本颜色组合而成。 因此，一个图像在二维平面上看似只有一个像素，实际是由三个不同颜色（不同通道）的像素混合组成。 这里的 R/G/B 三种颜色，就认为是彩色图片的三个通道，如下图所示。 （一张彩色RGB图片按照通道维度（C）堆叠） 来调一下颜色 通过调整红、绿、蓝三个通道的值，你可以混合出各种颜色。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。