0


pytroch深度学习——transforms的使用

transforms

按住Ctrl查看transforms的源码可以知道,transforms就是一个python文件,里面定义了很多类,每一个类都是一个工具
在结构那里,可以看到有很多的类
在这里插入图片描述
在这里插入图片描述

ToTensor

Convert a

PIL Image

or

numpy.ndarray

to tensor. This transform does not support torchscript

通过ToTensor来学习transforms如何使用以及为什么使用tensor数据类型

transforms使用

transforms里面每一个类都可以看成是一个模具,我们可以用里面的模具做出一个具体的工具,如何用这个具体的工具来实现具体的功能

比如ToTensor的使用:

from torchvision import transforms
from PIL import Image

img_path ="data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

tensor_trans = transforms.ToTensor()#模具(也就是这个类的对象)
tensor_img = tensor_trans(img)#实现ToTensor的功能,将一个input(PIL Image)转化成tensorprint(tensor_img)

为什么需要tensor数据类型呢?

在使用tensorboard里面常用的add_image时,里面的第二个参数是图片的数据类型,这个数据类型,可以是torch.Tensor, numpy.array, or string/blobname,上一篇博客用的是numpy.array,这里,其实可以直接得到tensor类型后直接用

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
from PIL import Image

img_path ="data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)

writer = SummaryWriter("logs")
writer.add_image("Tensor_image", tensor_img)

writer.close()

在这里插入图片描述

常见的transforms

在这里插入图片描述

内置方法__call__()

可以发现基本上transforms里面的每一个类都有一个内置方法__call__(),这个方法和普通的方法的区别其实就是,普通方法一般是类的对象通过

.

的方式调用,但是call函数不需要,可以直接用对象加括号的形式调用

一个Person类,内置方法__call__和hello都有一个参数name,然后两个方法都输出name,一个通过person(“”)形式调用,一个通过person.hello(“”)调用
在这里插入图片描述

Normalize

Normalize a tensor image with mean and standard deviation.

这个方法进行归一化的时候,传入的参数是有两个列表一个是均值,一个是标准差,每个列表的n表示维度,是根据输入的channel数量决定的,比如我们的图片是rgb那n=3,它能将每个信道的输入进行归一化
在这里插入图片描述
根据公式可以知道计算的结果其实就是
在这里插入图片描述
代码示例:

from PIL import Image
from torchvision import transforms

img_path ="data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)print(img_norm[0][0][0])

writer = SummaryWriter("logs")
writer.add_image("Normalize", img_norm)

writer.close()

输出:

tensor(0.3137)
tensor(-0.3725)

在这里插入图片描述

Resize

Resize the input image to the given size

参数:
可以给一个(H,W)这样的参数,改变图片的大小,也可以指定一个int,改变长和宽的比例
在这里插入图片描述
代码示例

print(img.size)
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)# 参数和返回值都是 img PILprint(img_resize)

输出结果:
在这里插入图片描述
变成了正方形
在这里插入图片描述

Compose

Composes several transforms together. This transform does not support torchscript.

在这里插入图片描述可以将第一种类型转化为第二种,参数一的类型做输入,参数二的类型做输出,输入一定要对应,不然就会报错
代码示例

trans_totensor = transforms.ToTensor()
trans_resize_2 = transforms.Resize(512)# PIL -> tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Resize", img_resize_2,1)

在这里插入图片描述


本文转载自: https://blog.csdn.net/m0_51474171/article/details/125135895
版权归原作者 头发没了还会再长 所有, 如有侵权,请联系我们删除。

“pytroch深度学习——transforms的使用”的评论:

还没有评论