Pytorch源码解读-torchvision.transforms

torchvision.transforms对于使用Pytorch的人肯定不陌生，我也用了Pytorch但是对transform却不是真正掌握，图片的预处理对网络的性能十分重要，所以打算仔细看看pytorch的源码。

Transforms组成

Transforms are common image transforms. They can be chained together using Compose
Transforms是常用的一些图像变换操作，可以用Compose将这些变换组合在一起

Transfroms由5部分组成

• Transforms on PIL Image
• Transforms on torch.Tensor
• Conversion Transforms
• Generic Transforms
• Functional Transforms

其中，前两部分Transforms on PIL Image和Transforms on torch.*Tensor用的比较多。下面会详细说明，先说一下compose

---

compose
Compose是一个类用来组合所有的变换操作。
class torchvision.transforms.Compose(transforms)
使用方法，应该很常见：

transforms.Compose([
		transforms.CenterCrop(10),
	    transforms.ToTensor(),
        ])

---

Transforms on PIL Image

函数	用途	用法
CenterCrop(size)	crops the given PIL image at the center 从图片中心剪裁一个size大小的图片	CenterCrop(160)
GrayScale(num)	convert image to grayscale 将图片变成灰度图	GrayScale(1)或者 GrayScale(3)
RandomCrop(size)	crop the given PIL image at a random location 在给定的图片中随机的剪裁一张size大小的图。 这个在训练中经常用到，算作一种数据增强的手段	RandomCrop(224)
RandomHorizontaFlip(p)	Horizontally flip the given image randomly with a given probability 按照给定概率随机的对图片进行水平镜像 这一条也经常用于训练	RandomHorizontaFlip(0.5)
Resize(size)	Resize the input PIL image to the given size 一般用在验证集和测试集	Resize(224)

---

Transforms on torch.Tensor

Tensor数据的处理只有一个函数Normalize(mean,std)
Normalize函数几乎都会用到，需要注意的是:
只能对Tensor数据进行Normalize，不能对PIL image用，即在用transform.Normalize()前先使用下面的transform.ToTensor()
用法：
transform.Normalize([127.5,127.5,127.5],[128,128,128])
对指定通道的像素减去均值除以方差，一般用于图片的归一化，均值和方差的取值需要注意。

---

Conversion Transforms

这部分包括两个变换：

• class torchvision.transforms.ToPILImage(mode=None)
  将Tensor形式变成PIL Image形式，用的不多
• class torchvision.transforms.ToTensor
  将PIL Image形式变成Tensor形式，用的很多，只要你用到gpu都会涉及到。

Converts a PIL Image or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0].
将一个image或者numpy.ndarrya形式的图片，图片的取值范围[0,255]变成一个tensor，tensor的取值为[0,1]，并且通道顺序由HWC变成CHW。

需要注意两点，图片的取值范围和通道顺序。取值范围会影响到接下来的归一化normalize。通道顺序从高x宽x通道变成通道x高x宽，简单说就是从224x224x3变成3x224x224