pytorch学习笔记四：数据的预处理模块

transforms是pytorch中常用的图像预处理方法，这个在torchvision计算机视觉工具包中。在安装pytorch时顺便安装了torchvision，在torchvision中，有三个主要的模块：
● torchvision.transforms:常用的图像预处理方法，比如：标准化、中心化、旋转、翻转等；
● torchvision.datasets:常用的数据集的dataset实现，例如：MNIST、CIFAR-10、ImageNet等；
● torchvision.models:常用的预训练模型，AlexNet、VGG、ResNet等。

下面来详细了解一下transforms中图像预处理方法：

一、裁剪 —— Crop

1、随机裁剪：transforms.RandomCrop

transforms.RandomCrop(
    size,
    padding=None,
    pad_if_needed=False,
    fill=0,
    padding_mode='constant',
)

功能：根据给定的size进行随机裁剪
参数：
size-（sequence or int）：若为sequence，则为（h， w），若为int，则为（int， int);

padding - （int or sequence, optional）：此参数是设置填充多少个pixel；
若为int，表示图像上下左右均填充int个pixel，例如padding=4，表示图像上下左右均填充4个pixel，若为32×32，则图像填充后为40×40；
若为sequence，若为2个数，第一个数表示左右填充多少，第二个数表示上下填充多少；当有四个数时表示左、上、右、下

pad_if_needed:若图像小于设定的size，则填充；

fill：表示需要填充的值，默认为0.当值为int时，表示各通道均填充该值，当值为3时，表示RGB三个通道各需要填充的值；

padding_mode：填充模式，有4中填充模式：1、constant：常数填充；2、edge：图像的边缘值填充；3、reflect：镜像填充，最后一个像素不镜像，例如 [1, 2, 3, 4]. -> [3, 2, 1, 2, 3, 4, 3, 2]；4、symmetric:镜像填充，最后一个元素填充，例如：[1, 2, 3, 4] -> [2, 1, 1, 2, 3, 4, 4, 3]

2、中心裁剪transforms.CenterCrop

torchvision.transforms.CenterCrop(size)

功能：依据给定的参数进行裁剪；
参数：
size：若为sequence，则为（h, w）, 若为int， 则为（int， int）

3、随机长宽比裁剪transforms.RandomResizedCrop()

torchvision.transforms.RandomResizedCrop(
    size,
    scale=(0.08, 1.0),
    ratio=(0.75, 1.3333333333333333),
    interpolation=2,
)

功能：随机大小，随机长宽比裁剪原始图片，最后将图片 resize 到设定好的 size
参数：
size- 所需裁减图片尺寸
scale- 随机 crop 的大小区间，如 scale=(0.08, 1.0)，表示随机 crop 出来的图片会在的 0.08
倍至 1 倍之间。
ratio- 随机长宽比设置
interpolation- 插值的方法，默认为双线性插值(PIL.Image.BILINEAR)，插值方法有：PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC

4、上下左右中心裁剪transforms.FiveCrop()

torchvision.transforms.FiveCrop(size)

功能：对图片进行上下左右以及中心裁剪，获得 5 张图片，返回一个 4D-tensor
参数：
size- (sequence or int)，若为 sequence,则为(h,w)，若为 int，则(size,size)

5、上下左右中心裁剪后翻转transforms.TenCrop()