[PyTorch 学习笔记] 2.2 图片预处理 transforms 模块机制

最新推荐文章于 2024-05-31 07:49:19 发布
最新推荐文章于 2024-05-31 07:49:19 发布
阅读量1.3k 收藏 15
点赞数 3
分类专栏： Pytorch 文章标签： 深度学习 pytorch 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/BGH12ET/article/details/108257783
版权

PyTorch 的数据增强

我们在安装PyTorch时，还安装了torchvision，这是一个计算机视觉工具包。有 3 个主要的模块：

  • torchvision.transforms: 里面包括常用的图像预处理方法
  • torchvision.datasets: 里面包括常用数据集如 mnist、CIFAR-10、Image-Net 等
  • torchvision.models: 里面包括常用的预训练好的模型，如 AlexNet、VGG、ResNet、GoogleNet 等

深度学习模型是由数据驱动的，数据的数量和分布对模型训练的结果起到决定性作用。所以我们需要对数据进行预处理和数据增强。下面是用数据增强，从一张图片经过各种变换生成 64 张图片，增加了数据的多样性，这可以提高模型的泛化能力。


常用的图像预处理方法有：
  • 数据中心化
  • 数据标准化
  • 缩放
  • 裁剪
  • 旋转
  • 翻转
  • 填充
  • 噪声添加
  • 灰度变换
  • 线性变换
  • 仿射变换
  • 亮度、饱和度以及对比度变换。

在人民币图片二分类实验中，我们对数据进行了一定的增强。

# 设置训练集的数据增强和转化
train_transform = transforms.Compose([
    transf
最低0.47元/天 解锁文章
张贤同学
关注
  • 3
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Day4 Torchvision 中的Transforms（一）
weixin_45417707的博客
06-16 170
小土堆大神的transforms第一课，主要记录了在python中的用法，以及totensor的举例（结合了tensorboard）。补充了PILImage、numpy.adarray、tensor的读取和转换。明天更新更多常用的transforms
计算机视觉技巧合集（六）torchvision的transforms
qq_40691600的博客
06-29 245
对于图像分类任务，由于不需要标注真实框，在进行数据增强的过程中只需要对图像进行变换，标签保持原样，因此目标检测中使用的全部数据增强方法都可以直接用于图像分类任务，非常的方便。所以这一篇主要聊一聊PyTorch提供的各种数据增强方法。Pytorch官方提供的大多数数据增强方法都存放在torchvision.transforms这个python文件中，对源代码感兴趣的话可以直接打开这个文件。
def __init__(self, transforms):
最新发布
qq_34425255的博客
05-31 356
它支持两种形式的输入:转换配置字典和转换对象。这种灵活的设计使得数据预处理管道更加可扩展和配置化。参数,并将其转换为一个可操作的转换列表。这段代码描述了一个初始化函数,它的作用是处理。参数转换为一个统一的转换操作列表。总的来说,这段代码的目的是将。
torchvison的安装--源码
huoshi191的博客
09-10 2198
前面因为是用源码安装的pytorch，因此只能源码安装对应的torchvison. 直接使用conda安装torchvision包会将torch版本更新，导致无法使用。
python transform(img)_Python：将张量转换为PIL图像的反向转换操作,Pytorch,transform,实现,从,tensor,转成,PILimage...
weixin_39670511的博客
12-09 877
该代码为transforms的反函数，实现从tensor转成PIL image，用于在框架的enumerate迭代中的中间图片可视化。代码思想如下，可以根据具体情况和需要进行修改def transform_invert(img_, transform_train):"""将data 进行反transfrom操作:param img_: tensor:param transform_train: t...
PyTorch学习笔记（二）图像数据预处理
12-21
在PyTorch中，图像数据预处理是深度学习模型训练前的重要步骤，它涉及到一系列变换以提高模型的泛化能力。这些预处理方法通常包括数据增强和标准化，目的是使模型在训练过程中接触到更多多样化的图像样本，从而更好...
Pytorch入门实战学习笔记
04-24
### PyTorch 入门实战学习笔记 #### 一、PyTorch简介 PyTorch 是一个基于 Torch 的机器学习库，它支持动态计算图，主要用于应用程序中的深度神经网络研究。PyTorch 提供了丰富的功能，如自动梯度计算、GPU 加速...
PyTorch学习笔记-04(手写字体识别数据集)
12-02
在本篇PyTorch学习笔记中，我们将深入探讨如何利用PyTorch框架处理手写字体识别问题，以MNIST数据集为例。MNIST是机器学习领域一个经典且广泛使用的数据集，它包含了大量手写数字的灰度图像，用于训练和测试图像分类...
pytorch 图像预处理之减去均值,除以方差的实例
12-23
如下所示： #coding=gbk ''' GPU上面的环境变化太复杂，这里我直接给出在笔记本CPU上面的运行时间结果...sub div in torch.tensor with torchvision.transforms,time 0.0050 tensor1=tensor2 tensor2=tensor3 img (10
PyTorch框架学习七——自定义transforms方法
qq_40467656的博客
08-13 5771
PyTorch框架学习七——自定义transforms方法一、自定义transforms注意要素二、自定义transforms步骤三、自定义transforms实例：椒盐噪声 虽然前面的笔记介绍了很多PyTorch给出的transforms方法，也非常有用，但是也有可能在具体的问题中需要开发者自定义transforms方法，这次笔记就介绍如何自定义transforms方法。 ps：本次笔记中使用的原始图像出自上次笔记：https://blog.csdn.net/qq_40467656/article/det
【自学 PyTorch 】第五课 —— 【代码实战记录】transform 使用方法
weixin_42306148的博客
12-17 425
Pytorch 中 transform 使用方法一、代码二、理解 一、代码 # ！usr/bin/env python3 # -*- coding:utf-8 -*- """ author :24nemo date :2021年07月07日 """ import os from PIL import Image from torch.utils.data import Dataset from torchvision import transforms class MyData(Dataset
PyTorch学习笔记-2.PyTorch数据处理
ruoqi23的博客
08-03 5211
2.PyTorch数据处理 2.1.数据读取 机器学习模型训练步骤分为：数据，模型，损失函数，优化器，迭代训练 首先是数据，又可以分为：数据收集，数据划分，数据读取，数据预处理 DataLoader就是用来进行数据读取的。 torch.utils.data.DataLoader 功能：构建可迭代的数据装载器 • dataset: Dataset类，决定数据从哪读取及如何读取 • batchsize :批大小 • num_works:是否多进程读取数据 • shuffle:每个epoc...
pytorch和torchvision安装
热门推荐
计算机视觉算法开发与落地
09-09 4万+
使用pip安装pytorch和torchvision,如未安装pip工具，则需先安装pip，安装命令： sudo apt install python-pip 国内由于网速的限制，使用命令安装时需在后面加上清华的镜像，这样下载速度会大大提升，安装更容易成功。 pip install torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple/ 此命令在安装torchvision的同时，会把torch一起安装。安装结束后重新开启一个终端并进入py
pytorch学习之路——06
weixin_35338624的博客
10-20 214
迁移学习、数据集划分 import torch from torch import nn,optim from torchvision import transforms,models from torch.utils.data.dataset import Dataset from torch.utils.data.dataloader import DataLoader from torc...
Pytorch归一化方法讲解与实战：BatchNormalization、LayerNormalization、nn.BatchNorm1d和LayerNorm()和F.normalize()
qq_43391414的博客
10-16 1万+
文章目录LayerNormalizationBatchNormalization 这些Normalization的作用都是让数据保持一个比较稳定的分布，从而加速收敛。Batch Normalization 的处理对象是对一批样本， Layer Normalization 的处理对象是单个样本。不过，他们到底指的是什么呢？有的时候，讲解是多余的，实战一下，你就懂了： talk is cheap,show me the code import torch import torch.nn as nn Laye
F.normalize中dim=-1的作用
miyudo的博客
09-04 349
如图，dim=-1,-2实际上对应的就是dim=0和1，实际上就是用数组下标的负数来表示在哪个维度上作变换。对于F.normalize方法，-2或-1与0或1等效，即在列或行上求2范数。
python transform(img)_Python3+OpenCV2实现图像的几何变换(平移、镜像、缩放、旋转、仿射)...
weixin_39609483的博客
12-09 426
前言总结一下最近看的关于opencv图像几何变换的一些笔记.这是原图:1.平移import cv2import numpy as npimg = cv2.imread("image0.jpg", 1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]dst = np.zeros(imgInfo, np....
pytorch初学笔记（四）：常见的Transforms使用（ToTensor、Normalize、Resize、Compose、RandomCrop）
CV在读
10-28 1万+
输入（channel,height,width）形式的tensor，并输入每个channel对应的均值和标准差作为参数，函数会利用这两个参数分别将每层标准化（使数据均值为0，方差为1）后输出。为了让归一化结果更加明显，我们创建3个step，并且依次修改不同的mean和std，查看对应结果。该方法的功能类似于在类中重载 () 运算符，使得类实例对象可以像调用普通函数那样，如果我们的输入在[0,1]之间，经过归一化之后结果即可在[-1 , 1]之间。结果如下，可以看到经过归一化后的图片产生了明显的变化。
python如何让图片镜像翻转_[PyTorch 学习笔记] 2.3 二十二种 transforms 图片数据预处理方法
06-10
可以使用PIL库中的transpose()方法来实现图片的镜像翻转。具体操作如下： 1. 首先，导入必要的库： ``` from PIL import Image import torchvision....通过以上步骤，就可以实现对图片的镜像翻转预处理操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值