transforms的使用

:::tips
Q & A
Q:为什么需要tensor图片类型？
A :tensor类型包含了神经网络所需要的各种信息

:::

• transforms就是一个工具箱，其中有ToTensor,resize等工具。
• ToTensor是一个类，作用是将图片类型转成ToTensor类型

ToTensor的使用方法

作用：

ToTensor是一个类，用来将图片转成tensor类型

使用：

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

举例：

将jpg类型转换成Tensor类型

from PIL import Image
from torchvision import transforms
img_path="./Data/train/ants_img/0013035.jpg"
img_JDP=Image.open(img_path)

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

Normalize

作用：

让图片的三个信道归一化;
归一化是未来消除奇异值，及样本数据中于其他数据相比特别大或特别小的数据，这样可以加快训练速度。

使用：

norm_trans=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
norm_img=norm_transforms(img)
第一行代码括号内的参数分别是三个信道的均值和标准差

举例：

from PIL import  Image
from torchvision import transforms

img_path="./Data/train/ants_img/0013035.jpg"
img=Image.open(img_path)

norm_trans=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
norm_img=norm_trans(tensor_img)

Resize

作用

改变图片的尺寸

使用

trans_resize=transforms.Resize((521,512))
img_resize=trans_resize(img)

举例

trans_resize=transforms.Resize((521,512))
img_resize=trans_resize(img)
img_resize_tensore=trans_tensor(img_resize)
writer.add_image("Resize",img_resize_tensore,1)

Compose

作用

将多个图像变换操作组合在一起，使得在图像加载和预处理时更加灵活和高效。

使用

trans_compose=transforms.Compose([trans_resize_2,trans_tensor])
img_resize_2=trans_compose(img)

举例

#Compose
trans_resize_2=transforms.Resize(512)
trans_compose=transforms.Compose([trans_resize_2,trans_tensor])
img_resize_2=trans_compose(img)
writer.add_image("Resize",img_resize_2,2)

RandomCrop

作用

随机剪取

使用

trans_random=transforms.RandomCrop(512)
trans_compose_2=transforms.Compose([trans_random,trans_tensor])
for i in range(10):
    img_crop=trans_compose_2(img)
    writer.add_image("RandomCrop",img_crop,i)

本篇总代码

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

img_path="./Data/train/ants_img/0013035.jpg"
img=Image.open(img_path)

writer=SummaryWriter("logs")

#ToTensor
trans_tensor=transforms.ToTensor()
tensor_img=trans_tensor(img)
writer.add_image("tensor",tensor_img,1)

#Normalize(归一化)
norm_trans=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
norm_img=norm_trans(tensor_img)
print(norm_img[0][0][0])
writer.add_image("Normalize",norm_img,2)

#Resize
trans_resize=transforms.Resize((521,512))
img_resize=trans_resize(img)
img_resize_tensore=trans_tensor(img_resize)
writer.add_image("Resize",img_resize_tensore,1)

#Compose
trans_resize_2=transforms.Resize(512)
trans_compose=transforms.Compose([trans_resize_2,trans_tensor])
img_resize_2=trans_compose(img)
writer.add_image("Resize",img_resize_2,2)

#randomCrop
trans_random=transforms.RandomCrop(512)
trans_compose_2=transforms.Compose([trans_random,trans_tensor])
for i in range(10):
    img_crop=trans_compose_2(img)
    writer.add_image("RandomCrop",img_crop,i)

writer.close()