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
ToTensor
Convert a
PIL Imageornumpy.ndarrayto 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tensor print(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()
常见的transforms
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
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
根据公式可以知道计算的结果其实就是
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)
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
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 PIL print(img_resize)
输出结果：
变成了正方形
Compose
Composes several transforms together. This transform does not support torchscript.
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)
到此这篇关于pytroch中transforms的使用详解的文章就介绍到这了,更多相关pytroch transforms的使用内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！