Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> map_data(const Eigen::Tensor<uint8_t, 3, Eigen::RowMajor>& data_map, const int axis_num){ Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> max_vals = data_map.maximum(Eigen::array<int, 1>{axis_num}).eval(); Eigen::Tensor<uint8_t, 0, Eigen::RowMajor> minval = max_vals.minimum(); Eigen::Tensor<uint8_t, 0, Eigen::RowMajor> maxval = max_vals.maximum(); Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> subtract(max_vals.dimensions()); Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> divide(max_vals.dimensions()); subtract.setConstant(minval.data()[0]); divide.setConstant(maxval.data()[0]); max_vals = max_vals - subtract; Eigen::Tensor<float, 2, Eigen::RowMajor> output_tensor = max_vals.cast<float>().binaryExpr(divide, [](float x, uint8_t y){ if(0 == y) return (float)0.0; return (float)(x/y); }); return (output_tensor*(float)255.0).cast<uint8_t>(); }
时间: 2024-04-27 16:23:56 浏览: 7
这段代码实现了一个名为map_data的函数,使用Eigen库,返回一个二维uint8_t类型的张量。该函数有两个参数:一个三维uint8_t类型的张量data_map和一个整数类型的axis_num,表示需要保留的维度编号。函数的作用是将data_map张量的第axis_num维度切片,然后将所有切片按行依次连接形成一个二维行优先存储的张量,并对该张量进行归一化操作。
具体实现细节如下:
1. 使用maximum函数获取data_map张量的第axis_num维度上的最大值,返回一个二维uint8_t类型的张量max_vals。
2. 使用minimum函数获取max_vals张量中的最小值,并将其存储在一个零维uint8_t类型的张量minval中。
3. 使用maximum函数获取max_vals张量中的最大值,并将其存储在一个零维uint8_t类型的张量maxval中。
4. 定义两个二维uint8_t类型的张量subtract和divide,分别用于存储与minval和maxval相同大小的常数矩阵。使用setConstant函数将subtract和divide分别初始化为minval和maxval的值。
5. 通过减法操作将max_vals中的每个元素都减去minval的值,得到一个新的二维uint8_t类型的张量max_vals。
6. 使用binaryExpr函数将max_vals和divide进行二元运算,函数中的lambda表达式用于处理0除以任何数的情况,避免出现除0错误。将结果存储在一个二维float类型的张量output_tensor中。
7. 将output_tensor中的元素乘以255,然后将结果转换为uint8_t类型,最后返回这个张量。
总的来说,这段代码的功能是将三维uint8_t类型的张量data_map按照指定维度切片后,对每个切片的像素值进行归一化操作,最终返回一个二维uint8_t类型的张量。