Pytorch图像数据转为Tensor张量
PyTorch的所有模型（nn.Module）都只接受Tensor格式的输入，所以我们在使用图像数据集时，必须将图像转换为Tensor格式。PyTorch提供了torchvision.transforms模块来处理图像数据集。torchvision.transforms模块提供了一些常用的图像预处理方法，如Resize、CenterCrop、RandomCrop、RandomHorizontalFlip等。
torchvision.transforms模块还提供了ToTensor()方法，可以将PIL格式的图像转换为Tensor格式。ToTensor()方法会将图像的像素值从[0, 255]范围缩放到[0, 1]范围，并将图像的通道顺序从(H, W, C)转换为(C, H, W)。
本文以Pytorch中TorchVision的FashionMNIST数据集为例，展示如何将图像数据转换为Tensor格式。
import torch
from torchvision.datasets import FashionMNIST
from torchvision.transforms import ToTensor #将图像数据转换为张量 #加载数据集
train_data = FashionMNIST(root='./fashion_data', train=True, download=True)
test_data = FashionMNIST(root='./fashion_data', train=False, download=True)
未转换为Tensor格式的FashionMNIST数据集
train_data #Dataset对象（输入数据的集合） 60000个样本
Dataset FashionMNISTNumber of datapoints: 60000Root location: ./fashion_dataSplit: Train
import matplotlib.pyplot as plt train_data = FashionMNIST(root='./fashion_data', train=True, download=True) img,clzz = train_data[5] #返回一个元组，第一个元素是图片，第二个元素是标签
plt.imshow(img, cmap='gray') #显示图片,cmap='gray'表示以灰度图显示;img是一个tensor,是一个PIL.Image对象(python原始数据类型)
plt.title(clzz)
plt.show()
train_data[1] #返回的是一个元组，第一个元素是图片，第二个元素是标签
#train_data[1][0].shape #图像数据(一个颜色通道：28*28，图像高度，图像宽度)
#train_data[1][0].reshape(-1).shape #将图像数据展平为一维张量
(<PIL.Image.Image image mode=L size=28x28>, 0)
转换为Tensor格式的FashionMNIST数据集
#加载数据集
train_data = FashionMNIST(root='./fashion_data', train=True, download=True, transform=ToTensor())
test_data = FashionMNIST(root='./fashion_data', train=False, download=True, transform=ToTensor())
train_data #Dataset对象（输入数据的集合） 60000个样本
Dataset FashionMNISTNumber of datapoints: 60000Root location: ./fashion_dataSplit: TrainStandardTransform
Transform: ToTensor()
可以对比下图像数据集转换前后的效果，未转换为Tensor格式的FashionMNIST数据集是PIL格式的图像，而转换为Tensor格式的FashionMNIST数据集是Tensor格式的图像。
train_data[1] #输出的是一个元组，第一个元素是图片，第二个元素是标签(tensor([[[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.0000, 0.0000, 0.1608, 0.7373, 0.4039, 0.2118, 0.1882, 0.1686,0.3412, 0.6588, 0.5216, 0.0627, 0.0000, 0.0000, 0.0000, 0.0000,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000, 0.0000, 0.1922,0.5333, 0.8588, 0.8471, 0.8941, 0.9255, 1.0000, 1.0000, 1.0000,1.0000, 0.8510, 0.8431, 0.9961, 0.9059, 0.6275, 0.1765, 0.0000,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0549, 0.6902, 0.8706,0.8784, 0.8314, 0.7961, 0.7765, 0.7686, 0.7843, 0.8431, 0.8000,0.7922, 0.7882, 0.7882, 0.7882, 0.8196, 0.8549, 0.8784, 0.6431,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.7373, 0.8588, 0.7843,0.7765, 0.7922, 0.7765, 0.7804, 0.7804, 0.7882, 0.7686, 0.7765,0.7765, 0.7843, 0.7843, 0.7843, 0.7843, 0.7882, 0.7843, 0.8824,0.1608, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.2000, 0.8588, 0.7804, 0.7961,0.7961, 0.8314, 0.9333, 0.9725, 0.9804, 0.9608, 0.9765, 0.9647,0.9686, 0.9882, 0.9725, 0.9216, 0.8118, 0.7961, 0.7961, 0.8706,0.5490, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.4549, 0.8863, 0.8078, 0.8000,0.8118, 0.8000, 0.3961, 0.2941, 0.1843, 0.2863, 0.1882, 0.1961,0.1765, 0.2000, 0.2471, 0.4431, 0.8706, 0.7922, 0.8078, 0.8627,0.8784, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.7843, 0.8706, 0.8196, 0.7961,0.8431, 0.7843, 0.0000, 0.2745, 0.3843, 0.0000, 0.4039, 0.2314,0.2667, 0.2784, 0.1922, 0.0000, 0.8588, 0.8078, 0.8392, 0.8235,0.9804, 0.1490, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.9686, 0.8549, 0.8314, 0.8235,0.8431, 0.8392, 0.0000, 0.9961, 0.9529, 0.5451, 1.0000, 0.6824,0.9843, 1.0000, 0.8039, 0.0000, 0.8431, 0.8510, 0.8392, 0.8157,0.8627, 0.3725, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.1765, 0.8863, 0.8392, 0.8392, 0.8431,0.8784, 0.8039, 0.0000, 0.1647, 0.1373, 0.2353, 0.0627, 0.0667,0.0471, 0.0510, 0.2745, 0.0000, 0.7412, 0.8471, 0.8314, 0.8078,0.8314, 0.6118, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.6431, 0.9216, 0.8392, 0.8275, 0.8627,0.8471, 0.7882, 0.2039, 0.2784, 0.3490, 0.3686, 0.3255, 0.3059,0.2745, 0.2980, 0.3608, 0.3412, 0.8078, 0.8118, 0.8706, 0.8353,0.8588, 0.8157, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.4157, 0.7333, 0.8745, 0.9294, 0.9725,0.8275, 0.7765, 0.9882, 0.9804, 0.9725, 0.9608, 0.9725, 0.9882,0.9922, 0.9804, 0.9882, 0.9373, 0.7882, 0.8314, 0.8824, 0.8431,0.7569, 0.4431, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0667, 0.2118, 0.6235,0.8706, 0.7569, 0.8157, 0.7529, 0.7725, 0.7843, 0.7843, 0.7843,0.7843, 0.7882, 0.7961, 0.7647, 0.8235, 0.6471, 0.0000, 0.0000,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.1843,0.8824, 0.7529, 0.8392, 0.7961, 0.8078, 0.8000, 0.8000, 0.8039,0.8078, 0.8000, 0.8314, 0.7725, 0.8549, 0.4196, 0.0000, 0.0000,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0235, 0.0000, 0.1804,0.8314, 0.7647, 0.8314, 0.7922, 0.8078, 0.8039, 0.8000, 0.8039,0.8078, 0.8000, 0.8314, 0.7843, 0.8549, 0.3569, 0.0000, 0.0118,0.0039, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0431,0.7725, 0.7804, 0.8039, 0.7922, 0.8039, 0.8078, 0.8000, 0.8039,0.8118, 0.8000, 0.8039, 0.8039, 0.8549, 0.3020, 0.0000, 0.0196,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0118, 0.0000, 0.0078,0.7490, 0.7765, 0.7882, 0.8039, 0.8078, 0.8039, 0.8039, 0.8078,0.8196, 0.8078, 0.7804, 0.8196, 0.8588, 0.2902, 0.0000, 0.0196,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0078, 0.0000, 0.0000,0.7373, 0.7725, 0.7843, 0.8118, 0.8118, 0.8000, 0.8118, 0.8118,0.8235, 0.8157, 0.7765, 0.8118, 0.8667, 0.2824, 0.0000, 0.0157,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0078, 0.0000, 0.0000,0.8431, 0.7765, 0.7961, 0.8078, 0.8157, 0.8039, 0.8118, 0.8118,0.8235, 0.8157, 0.7843, 0.7922, 0.8706, 0.2941, 0.0000, 0.0157,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.8314, 0.7765, 0.8196, 0.8078, 0.8196, 0.8078, 0.8157, 0.8118,0.8275, 0.8078, 0.8039, 0.7765, 0.8667, 0.3137, 0.0000, 0.0118,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.8000, 0.7882, 0.8039, 0.8157, 0.8118, 0.8039, 0.8275, 0.8039,0.8235, 0.8235, 0.8196, 0.7647, 0.8667, 0.3765, 0.0000, 0.0118,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.7922, 0.7882, 0.8039, 0.8196, 0.8118, 0.8039, 0.8353, 0.8078,0.8235, 0.8196, 0.8235, 0.7608, 0.8510, 0.4118, 0.0000, 0.0078,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.8000, 0.8000, 0.8039, 0.8157, 0.8118, 0.8039, 0.8431, 0.8118,0.8235, 0.8157, 0.8275, 0.7569, 0.8353, 0.4510, 0.0000, 0.0078,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000,0.8000, 0.8118, 0.8118, 0.8157, 0.8078, 0.8078, 0.8431, 0.8235,0.8235, 0.8118, 0.8314, 0.7647, 0.8235, 0.4627, 0.0000, 0.0078,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.7765, 0.8157, 0.8157, 0.8157, 0.8000, 0.8118, 0.8314, 0.8314,0.8235, 0.8118, 0.8275, 0.7686, 0.8118, 0.4745, 0.0000, 0.0039,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.7765, 0.8235, 0.8118, 0.8157, 0.8078, 0.8196, 0.8353, 0.8314,0.8275, 0.8118, 0.8235, 0.7725, 0.8118, 0.4863, 0.0000, 0.0039,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000,0.6745, 0.8235, 0.7961, 0.7882, 0.7804, 0.8000, 0.8118, 0.8039,0.8000, 0.7882, 0.8039, 0.7725, 0.8078, 0.4980, 0.0000, 0.0000,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000,0.7373, 0.8667, 0.8392, 0.9176, 0.9255, 0.9333, 0.9569, 0.9569,0.9569, 0.9412, 0.9529, 0.8392, 0.8784, 0.6353, 0.0000, 0.0078,0.0000, 0.0000, 0.0000, 0.0000],[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0039, 0.0000, 0.0000,0.5451, 0.5725, 0.5098, 0.5294, 0.5294, 0.5373, 0.4902, 0.4863,0.4902, 0.4745, 0.4667, 0.4471, 0.5098, 0.2980, 0.0000, 0.0000,0.0000, 0.0000, 0.0000, 0.0000]]]),0)
此时，图像数据集的每个图像都是一个Tensor对象，Tensor对象的形状为(C, H, W)，其中C表示图像的通道数，H表示图像的高度，W表示图像的宽度。对于灰度图像，C=1；对于RGB图像，C=3。Tensor对象的dtype为torch.float32。
Tensor对象的像素值范围为[0, 1]，而PIL格式的图像的像素值范围为[0, 255]。Tensor对象的像素值是浮点数，而PIL格式的图像的像素值是整数。
train_data[1][0].shape #图像数据(一个颜色通道：28*28，图像高度，图像宽度)torch.Size([1, 28, 28])
上面输出的是FashionMNIST数据集中第0个图像的Tensor对象。Tensor对象的形状为(1, 28, 28)，表示图像的通道数为1，高度为28，宽度为28。Tensor对象的dtype为torch.float32，表示数据类型为32位浮点数。Tensor对象的像素值范围为[0, 1]，表示像素值是浮点数。
train_data[1][0].reshape(-1).shape #将图像数据展平为一维张量
torch.Size([784])
相关文章：
Pytorch图像数据转为Tensor张量
PyTorch的所有模型（nn.Module）都只接受Tensor格式的输入，所以我们在使用图像数据集时，必须将图像转换为Tensor格式。PyTorch提供了torchvision.transforms模块来处理图像数据集。torchvision.transforms模块提供了一些常用的图像预…...
Java 加密与解密：从算法到应用的全面解析
Java 加密与解密：从算法到应用的全面解析 一、加密与解密技术概述 在当今数字化时代，数据安全至关重要。Java 加密与解密技术作为保障数据安全的关键手段，被广泛应用于各个领域。 加密是将明文数据通过特定算法转换为密文，使得…...
Java基础系列-HashMap源码解析2-AVL树
文章目录 AVL树左旋右旋左旋右旋的4种情况LL 型RR 型LR 型RL 型 实际插入时怎么判断是那种类型？插入时注意事项删除节点 AVL树 为避免BST树退化成链表的极端情况， AVL 树应运而生。 平衡因子取值（-1，0，1）…...
蓝桥杯 19. 最大比例
最大比例 原题目链接 题目描述 X 星球的某个大奖赛设了 M 级奖励。每个级别的奖金是一个正整数。 并且，相邻两个级别间的比例是一个固定值，也就是说：所有级别的奖金构成一个等比数列。 例如： 奖金数列为 16, 24, 36, 54&…...
前端加密介绍与实战
前端数据加密 文章目录 前端数据加密前端数据加密介绍为什么需要前端数据加密？前端数据加密的常见方式前端数据加密的实现场景：加密用户密码并发送到后端步骤 1：安装加密库步骤 2：实现加密逻辑步骤 3：后端解密 实战总结…...
Zookeeper是什么？基于zookeeper实现分布式锁
zookeeper听的很多，但实际在应用开发中用的不错，主要是作为中间件配合使用的，例如：Kafka。 了解zk首先需要知道它的数据结构，可以想象为树、文件夹目录。每个节点有基本的信息，例如：创建时间、…...
Kafka 主题设计与数据接入机制
一、前言：万物皆流，Kafka 是入口 在构建实时数仓时，Kafka 既是 数据流动的起点，也是后续流处理系统（如 Flink）赖以为生的数据源。 但“消息进来了” ≠ “你就能处理好了”——不合理的 Topic 设计、接入方…...
gem5-gpu教程05 内存建模
memory-modeling|Details on how memory is modeled in gem5-gpu gem5-gpu’s Memory Simulation gem5-gpu在很大程度上避开了GPGPU-Sim的单独功能模拟，而是使用了gem5的执行中执行模型。因此，当执行存储/加载时，内存会被更新/读取。没有单独的功能路径。（顺便说一句，这…...
MySQL的日志--Redo Log【学习笔记】
MySQL的日志--Redo Log 知识来源： 《MySQL是怎样运行的》--- 小孩子4919 MySQL的事务四大特性之一就是持久性（Durability）。但是底层是如何实现的呢？这就需要我们的Redo Log（重做日志）闪亮登场了。它记录着…...
【AI应用】免费代码仓构建定制版本的ComfyUI应用镜像
免费代码仓构建定制版本的ComfyUI应用镜像 1 创建代码仓1.1 注册登陆1.2 创建代码仓1.5 安装中文语言包1.4 拉取ComfyUI官方代码2 配置参数和预装插件2.1 保留插件和模型的版本控制2.2 克隆插件到代码仓2.2.1 下载插件2.2.2 把插件设置本仓库的子模块管理3 定制Docker镜像3.1 创…...
MineWorld，微软研究院开源的实时交互式世界模型
MineWorld是什么 MineWorld是微软研究院开发并开源的一个基于《我的世界》（Minecraft）的实时互动世界模型。该模型采用了视觉-动作自回归Transformer架构，将游戏场景和玩家动作转化为离散的token ID，并通过下一个token的预测进行…...
被裁20240927 --- 视觉目标跟踪算法
永远都像初次见你那样使我心荡漾 参考文献目前主流的视觉目标跟踪算法一、传统跟踪算法1. 卡尔曼滤波（Kalman Filter）2. 相关滤波（Correlation Filter，如KCF、MOSSE）3. 均值漂移（MeanShift/CamShift&#x…...
Agentic AI——当AI学会主动思考与决策，世界将如何被重塑？
一、引言：2025，Agentic AI的元年 “如果ChatGPT是AI的‘聊天时代’，那么2025年将开启AI的‘行动时代’。”——Global X Insights[1] 随着Agentic AI（自主决策型人工智能）的崛起，AI系统正从被动应答的“工具…...
Ollama API 应用指南
1. 基础信息 默认地址: http://localhost:11434/api数据格式: application/json支持方法: POST（主要）、GET（部分接口） 2. 模型管理 API (1) 列出本地模型 端点: GET /api/tags功能: 获取已下载的模型列表。示例:curl http://lo…...
PNG透明免抠设计素材大全26000+
在当今的数字设计领域，寻找高质量且易于使用的素材是每个设计师的日常需求。今天，我们将为大家介绍一个超全面的PNG透明免抠设计素材大全，涵盖多种风格、主题和应用场景，无论是平面设计、网页设计还是多媒体制作，都能轻…...
4.多表查询
SQL 多表查询：数据整合与分析的强大工具 文章目录 SQL 多表查询：数据整合与分析的强大工具一、 多表查询概述1.1 为什么需要多表查询1.2 多表查询的基本原理 二、 多表查询关系2.1 一对一关系（One-to-One）示例： 2.2 一…...
MCP 基于 TypeScript 的完整示例，包含stdio、sse多种用法和调试，对于构建自己的API工具链很有用
typescript-mcp-demo 这是一个基于 Model Context Protocol (MCP) 的 TypeScript 示例项目，展示了如何创建一个简单的 MCP 服务器，包含基本的工具（tools）和资源（resources）功能。 官网：https:…...
位运算知识
位运算是一种直接对整数在内存中的二进制位进行操作的运算方式。计算机中的整数是以二进制形式存储的，位运算通过操作这些二进制位来实现高效的计算。位运算通常比普通的算术运算更快，因为它直接作用于硬件层面。 以下是几种常见的位运算符及其功能&…...
mybatis高级查询：一对多配置，一次性查出主表和子表中的数据
一、MyBatis高级查询：一对多 MyBatis是一款强大的持久层框架，提供了多种方式来处理关联查询，其中包括一对一和一对多的情况。在本文中，我们将深入探讨一对多关联查询的实现方式。 在MyBatis中配置一对多关系通常涉及到associati…...
美团2024年春招第一场笔试 C++
目录 1，小美的平衡矩阵 2，小美的数组询问 3，小美的MT 4，小美的朋友关系 1，小美的平衡矩阵 【题目描述】 给定一个n*n的矩阵，该矩阵只包含数字0和1。对于 每个i(1<i<n)，求在该矩阵中&am…...
XHTMLConverter把docx转换html报java.lang.NullPointerException异常
一.报错 1.报错信息 org.apache.poi.xwpf.converter.core.XWPFConverterException: java.lang.NullPointerExceptionat org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.convert(XHTMLConverter.java:77)at org.apache.poi.xwpf.converter.xhtml.XHTMLConverter.doConve…...
OpenCV 图形API（52）颜色空间转换-----将 NV12 格式的图像数据转换为 RGB 格式的图像
操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C11 算法描述 将图像从 NV12 (YUV420p) 色彩空间转换为 RGB。该函数将输入图像从 NV12 色彩空间转换到 RGB。Y、U 和 V 通道值的常规范围是 0 到 255。 输出图…...
pojovoDto等概念
Java 中的数据模型概念 POJO (Plain Old Java Object) POJO 是最简单的 Java 对象，不依赖于特定的框架，不实现任何特殊的接口，也不继承特定的类。 特点 具有无参构造函数属性使用 private 修饰提供公共的 getter 和 setter 方法可序列化 …...
COdeTop-206-反转链表
题目 206. 反转链表 给你单链表的头节点 head ，请你反转链表，并返回反转后的链表。 示例 1： 输入：head [1,2,3,4,5] 输出：[5,4,3,2,1]示例 2： 输入：head [1,2] 输出：[2,1]示例 …...
线段树讲解（小进阶）
目录 前言 一、线段树知识回顾 线段树区间加减 区间修改维护： 区间修改的操作： 区间修改update： 线段树的区间查询 区间查询： 区间查询的操作： 递归查询过程： 区间查询query： 代码&…...
4082P 信号/频谱分析仪
——新利通仪器仪表—— 4082P丨信号/频谱分析仪 2Hz～110GHz Ceyear 4082系列信号/频谱分析仪在显示平均噪声电平、相位噪声、互调抑制、动态范围、幅度精度和测试速度等方面具备极佳的射频性能。具备强大的频谱分析、符合标准的功率测量套件、I/Q分析、瞬态分析…...
夏季跑步注意
夏季跑步注意 医学专家警示：大众跑者需以安全为先，警惕高温环境下“盲目冲刺”的风险。一些事件再次印证马拉松适宜气温为6-15℃，超过20℃时需主动降速并增加补水量。 所以建议每一位跑友，为了健康的跑步，每年除了做…...
openharmony5.0.0中C++公共基础类测试-线程相关(一)
C公共基础类测试及源码剖析 延续传统，show me the code，除了给出应用示例还重点分析了下openharmony中的实现。 简介 openharmony中提供了C公共基础类库，为标准系统提供了一些常用的C开发工具类，本文分析其实现，并给…...
TDengine 数据订阅设计
简介 数据订阅作为 TDengine 的一个核心功能，为用户提供了灵活获取所需数据的能力。通过深入了解其内部原理，用户可以更加有效地利用这一功能，满足各种实时数据处理和监控需求。 基本概念 主题 与 Kafka 一样，使用 TDengine 数…...
python：mido 提取 midi文件中某一音轨的音乐数据
pip install mido 使用 mido库可以方便地处理 MIDI 文件，提取其中音轨的音乐数据。 1.下面的程序会读取指定的 MIDI 文件，并提取指定编号音轨的音乐数据，主要包括音符事件等信息。 编写 mido_extract.py 如下 # -*- coding: utf-8 -*- &…...