Pytorch 中的 Transforms

梦断540

于 2024-08-16 18:06:49 发布

阅读量1.1k

点赞数 23

分类专栏： Pytorch学习文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/SILVERCROWNAGE/article/details/141255381

版权

Pytorch学习专栏收录该内容

6 篇文章 0 订阅

订阅专栏

1. Transforms 介绍

torchvision.transforms‌是PyTorch中用于数据预处理和图片变换的模块。‌这个模块提供了一系列的功能，‌用于对图像数据进行各种预处理操作，‌如调整大小、‌裁剪、‌归一化等，‌以便更好地适应神经网络模型的输入要求。‌transforms模块中的函数可以组合使用，‌通过torchvision.transforms.Compose将多个操作组合成一个序列，‌按照顺序依次对图像进行处理。‌

在PyTorch中，‌数据预处理通常在__getitem__()方法中实现，‌这个方法用于从数据集中获取单个样本，‌并进行相应的预处理。‌预处理后的数据通过__getitem__()方法返回给模型进行训练或测试。‌这个过程涉及到将图像从PIL Image或ndarray格式转换为tensor格式，‌并进行必要的归一化处理，‌以确保数据在神经网络的训练过程中能够正确地被处理和使用。‌

2. Transforms 的使用

在该模块中存在许多的类：

在使用该模块时，需要：

1. 实例化某一特定工具类： tool = transforms.tool() 获得工具类的实例对象；

2. 对需要的结果进行转换 : result = tool(input) 获得结果

1. ToTensor()

将PIL图像或NumPy ndarray转换为PyTorch张量，‌并将像素值从[0, 255]缩放到[0.0, 1.0]。‌

from torchvision import transforms
from PIL import Image

img_path  = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img)  #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>

# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor =  transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor)   # 将图像数据 转换为 tensor 类型的数据

2. ToPILImage()

将PyTorch张量转换回PIL图像

Tensor_to_PIL = transforms.ToPILImage()
img_PIL = Tensor_to_PIL(img_tensor)
print(img_PIL)
img_PIL.show()

3. Normalize()

# 归一化
# Normalize a tensor image with mean and standard deviation.
# 初始化参数： mean, std, inplace=False
# 计算公式：output[channel] = (input[channel] - mean[channel]) / std[channel]

"""
以下述 mean 与  std 为例：
    output = (input - 0.5) / 0.5
 => output =  2 * input - 1
 => 又因为 input = [0,1]
 => 所以  output = [-1,1]
"""
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)

write.add_image("Normalize",img_norm)
write.close()

结果归一化后的图像：

4. Resize()

作用：调整图像的尺寸

__init__(self, size, interpolation=InterpolationMode.BILINEAR, max_size=None, antialias=True):
size : 如果size是一个序列（h，w），输出大小将与此匹配。如果size是int（只有一个数据），图像的较小边缘将与该数字匹配。即，如果高度>宽度，则图像将被重新缩放为(size * height / width, size)。
interpolation: 指定图像缩放时采用的插值方法。‌插值方法决定了新图像中像素值的计算方式，‌从而影响缩放后图像的质量。‌

注意：

经过 resize 之后，img 的类型仍然是 PIL 类型。因此，后续如果使用，需要将该类型转为 tensor 类型

5. RandomCrop（）

随即裁剪：
def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
size : (h,w) 类型：依照长、宽裁剪； int 类型：方形裁剪（int,int）
padding: 边框填充，如果提供了单个int，则用于填充所有边框。如果提供了长度为2的序列，则这是填充分别位于左侧/右侧和顶部/底部。如果提供长度为4的序列，这是分别用于左、上、右和下边框的填充。

# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
    img_crop = trans_randcrop(img)
    img_crop = transforms_to_tensor(img_crop)
    write.add_image("RandmCrop",img_crop,i)
write.close()

5. Compose()

将多个操作，作为一个序列完成。

其参数为一个列表 [ transforms1, transforms2 ... ]

trans_resize = transforms.Resize((512,512))
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
transforms_to_tensor =  transforms.ToTensor()

trans_comp = transforms.Compose([trans_resize, transforms_to_tensor,trans_norm])
img_comp =  trans_comp(img)
write.add_image("Compose",img_comp)

上述代码：依次进行了：缩放、toTensor、归一化

3. 总结

在使用方法是：

        1. 首先关注它的输入需要什么样的数据类型，是PIL，是Numpy，是Tensor ....

        2. 关注它的输出是什么样的数据类型

        3. 查看官方文档的参数

实验使用的全部代码：

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

img_path  = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img)  #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>

# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor =  transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor)   # 将图像数据 转换为 tensor 类型的数据


write = SummaryWriter("logs")
write.add_image("ToTensor",img_tensor)


# Tensor_to_PIL = transforms.ToPILImage()
# img_PIL = Tensor_to_PIL(img_tensor)
# print(img_PIL)
# #img_PIL.show()


# 归一化
#Normalize a tensor image with mean and standard deviation.
# 初始化参数： mean, std, inplace=False
# 计算公式：output[channel] = (input[channel] - mean[channel]) / std[channel]
"""
以下述 mean 与  std 为例：
    output = (input - 0.5) / 0.5
 => output =  2 * input - 1
 => 又因为 input = [0,1]
 => 所以  output = [-1,1]
"""
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)

write.add_image("Normalize",img_norm)


# Resize()
print(img.size)       # (768, 512)
trans_resize = transforms.Resize((512,512))
img_resize =  trans_resize(img)
print(img_resize)     # <PIL.Image.Image image mode=RGB size=512x512 at 0x225ED6223F0>
img_resize = transforms_to_tensor(img_resize)  # PIL 类型 转为 tensor 类型
print(img_resize)
write.add_image("Resize",img_resize)


trans_comp = transforms.Compose([trans_resize, transforms_to_tensor])
img_comp =  trans_comp(img)
write.add_image("Compose",img_comp)


# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
    img_crop = trans_randcrop(img)
    img_crop = transforms_to_tensor(img_crop)
    write.add_image("RandmCrop",img_crop,i)
write.close()