【pytorch】【常用】【供个人粘贴使用】pytorch导入数据（带数据增强）

最新推荐文章于 2024-09-02 19:49:17 发布

「已注销」

最新推荐文章于 2024-09-02 19:49:17 发布

阅读量259

点赞数

分类专栏： torch

本文链接：https://blog.csdn.net/YJYS_ZHX/article/details/114543365

版权

这篇博客介绍了如何在PyTorch中进行数据增强，包括numpy数组的水平和垂直随机翻转、尺寸缩放、随机裁剪等操作。同时强调了在将numpy数组转换为Tensor时可能遇到的问题，如transpose后的shape转换以及数据类型的调整。此外，还提到了数据载入过程中图像和标签的正确处理方式，如将图像从float64转换为float32，标签由int转为long。

摘要由CSDN通过智能技术生成

1 导入库

import torch
import torchvision.transforms as transforms
import os
import numpy as np
from skimage import io, transform
from torch.utils.data import Dataset,DataLoader

2 数据增强【调用numpy的函数，数据类型是np.ndarray】

1）水平随机翻转

class RandomHorizontalFlip():
    """
    Args:  p (float): probability of the image being flipped. Default value is 0.5
    """
    def __init__(self, p=0.5):
        self.p = p

    def __call__(self, image):
        """
        input: image (array): Image to be flipped.
        Returns: image(array): Randomly flipped image.
        """
        if torch.rand(1) < self.p:
            return np.fliplr(image)
        return image

2)垂直随机翻转

class RandomVerticleFlip():
    """
    Args:  p (float): probability of the image being flipped. Default value is 0.5
    """
    def __init__(self, p=0.5):
        self.p = p

    def __call__(self, image):
        """
        input: image (array): Image to be flipped.
        Returns: image(array): Randomly flipped image.
        """
        if torch.rand(1) < self.p:
            return np.flipup(image)
        return image载入数据

3)改变尺寸，缩放

class Rescale(object):#1）
    "use this class before 'To tensor'"
    '''
    size:接受一个元组（a,b）
    factor:int或者float,<1表示缩小，>1表示放大
    '''
    #将其短边统一变成600
    def __init__(