transforms

按住Ctrl查看transforms的源碼可以知道，transforms就是一個(gè)python文件，里面定義了很多類，每一個(gè)類都是一個(gè)工具
在結(jié)構(gòu)那里，可以看到有很多的類

ToTensor

Convert a PIL Image or numpy.ndarray to tensor. This transform does not support torchscript

通過ToTensor來學(xué)習(xí)transforms如何使用以及為什么使用tensor數(shù)據(jù)類型

transforms使用

transforms里面每一個(gè)類都可以看成是一個(gè)模具，我們可以用里面的模具做出一個(gè)具體的工具，如何用這個(gè)具體的工具來實(shí)現(xiàn)具體的功能

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（也就是這個(gè)類的對象）
tensor_img = tensor_trans(img)#實(shí)現(xiàn)ToTensor的功能，將一個(gè)input（PIL Image）轉(zhuǎn)化成tensor

print(tensor_img)

為什么需要tensor數(shù)據(jù)類型呢？

在使用tensorboard里面常用的add_image時(shí)，里面的第二個(gè)參數(shù)是圖片的數(shù)據(jù)類型，這個(gè)數(shù)據(jù)類型，可以是torch.Tensor, numpy.array, or string/blobname，上一篇博客用的是numpy.array，這里，其實(shí)可以直接得到tensor類型后直接用

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()

常見的transforms

內(nèi)置方法__call__()

可以發(fā)現(xiàn)基本上transforms里面的每一個(gè)類都有一個(gè)內(nèi)置方法__call__()，這個(gè)方法和普通的方法的區(qū)別其實(shí)就是，普通方法一般是類的對象通過.的方式調(diào)用，但是call函數(shù)不需要，可以直接用對象加括號的形式調(diào)用

一個(gè)Person類，內(nèi)置方法__call__和hello都有一個(gè)參數(shù)name，然后兩個(gè)方法都輸出name，一個(gè)通過person(“”)形式調(diào)用，一個(gè)通過person.hello(“”)調(diào)用

Normalize

Normalize a tensor image with mean and standard deviation.

這個(gè)方法進(jìn)行歸一化的時(shí)候，傳入的參數(shù)是有兩個(gè)列表一個(gè)是均值，一個(gè)是標(biāo)準(zhǔn)差，每個(gè)列表的n表示維度，是根據(jù)輸入的channel數(shù)量決定的，比如我們的圖片是rgb那n=3，它能將每個(gè)信道的輸入進(jìn)行歸一化

根據(jù)公式可以知道計(jì)算的結(jié)果其實(shí)就是

代碼示例：

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()

輸出：

tensor(0.3137)
tensor(-0.3725)

Resize

Resize the input image to the given size

參數(shù)：
可以給一個(gè)（H,W）這樣的參數(shù)，改變圖片的大小，也可以指定一個(gè)int，改變長和寬的比例

代碼示例

print(img.size)
trans_resize = transforms.Resize((512, 512))
img_resize = trans_resize(img)# 參數(shù)和返回值都是 img PIL
print(img_resize)

輸出結(jié)果：

變成了正方形

Compose

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

可以將第一種類型轉(zhuǎn)化為第二種，參數(shù)一的類型做輸入，參數(shù)二的類型做輸出，輸入一定要對應(yīng)，不然就會(huì)報(bào)錯(cuò)

代碼示例

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)

到此這篇關(guān)于pytroch中transforms的使用詳解的文章就介紹到這了,更多相關(guān)pytroch transforms的使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論