transform.ToTensor

最新推荐文章于 2024-03-06 14:50:42 发布

雁瑜彭

最新推荐文章于 2024-03-06 14:50:42 发布

阅读量260

点赞数

分类专栏：深度学习文章标签： python 计算机视觉开发语言

本文链接：https://blog.csdn.net/A2000613/article/details/128688262

版权

深度学习专栏收录该内容

28 篇文章 1 订阅

订阅专栏

ToTensor是一个用于将PILImage或numpy.ndarray图像转换为Tensor的工具，它将像素值归一化到[0,1]范围。这个转换不适用于torchscript，并且不推荐用于处理目标图像掩模，因为输入图像会被缩放到[0.0,1.0]区间。

摘要由CSDN通过智能技术生成

transform.ToTensor

类原型：

CLASS torchvision.transforms.ToTensor

作用：
    转换PIL Image或numpy。Ndarray到张量。此转换不支持torchscript。、
    转换PIL Image或numpy。ndarray(高x宽x宽)在范围[0,255]到一torch。如果PIL图像属于其中一种模式(L, LA, P, I, F, RGB, YCbCr, RGBA, CMYK, 1)，则形状(C x H x W)的FloatTensor在[0.0,1.0]范围内，或者如果numpy。Ndarray有dtype = np。在其他情况下，张量返回没有缩放
    
注意：
    由于输入图像被缩放为[0.0,1.0]，因此在转换目标图像掩码时不应使用此转换

实例程序：

img = Image.open("data/val/Dog/2.jpg")
print("图像的像素矩阵:\n{}".format(np.array(img)) )


totentor = transforms.ToTensor()
img_totentor = totentor(img)
print("图像的张量:\n{}".format(img_totentor))

**运行结果：**对像素值进行了归一化，使值变换到[0,1]之间

图像的像素矩阵:
[[[190 161 129]
  [189 160 130]
  [194 167 138]
  ...
  [190 164 127]
  [176 155 110]
  [201 185 152]]

 [[180 151 119]
  [175 149 116]
  [194 169 139]
  ...
  [177 151 114]
  [179 158 113]
  [203 187 154]]

 [[175 149 114]
  [180 154 121]
  [201 176 146]
  ...
  [176 150 113]
  [181 160 115]
  [198 182 149]]
图像的张量:
tensor([[[0.7451, 0.7412, 0.7608,  ..., 0.7451, 0.6902, 0.7882],
         [0.7059, 0.6863, 0.7608,  ..., 0.6941, 0.7020, 0.7961],
         [0.6863, 0.7059, 0.7882,  ..., 0.6902, 0.7098, 0.7765],
         ...,
         [0.7176, 0.7216, 0.7255,  ..., 0.8627, 0.8627, 0.8392],
         [0.7176, 0.7216, 0.7216,  ..., 0.8706, 0.8706, 0.8431],
         [0.6980, 0.6980, 0.7020,  ..., 0.7843, 0.7843, 0.7843]],

        [[0.6314, 0.6275, 0.6549,  ..., 0.6431, 0.6078, 0.7255],
         [0.5922, 0.5843, 0.6627,  ..., 0.5922, 0.6196, 0.7333],
         [0.5843, 0.6039, 0.6902,  ..., 0.5882, 0.6275, 0.7137],
         ...,
         [0.6824, 0.6863, 0.6902,  ..., 0.8275, 0.8235, 0.8078],
         [0.6980, 0.7020, 0.7020,  ..., 0.8431, 0.8392, 0.8235],
         [0.6824, 0.6824, 0.6863,  ..., 0.7647, 0.7725, 0.7804]],

        [[0.5059, 0.5098, 0.5412,  ..., 0.4980, 0.4314, 0.5961],
         [0.4667, 0.4549, 0.5451,  ..., 0.4471, 0.4431, 0.6039],
         [0.4471, 0.4745, 0.5725,  ..., 0.4431, 0.4510, 0.5843],
         ...,
         [0.6549, 0.6588, 0.6627,  ..., 0.8078, 0.8157, 0.8000],
         [0.6824, 0.6863, 0.6863,  ..., 0.8196, 0.8275, 0.8118],
         [0.6706, 0.6706, 0.6745,  ..., 0.7412, 0.7529, 0.7647]]])