【PyTorch学习笔记】自用 零基础详细标注-3.transforms使用（单图）

torchvision中的transforms，很常用，用于图片的变换。本节通过处理单张图片介绍transforms的基本使用，下节将transforms与数据集结合。

from torchvision import transforms

1. transforms结构及用法

可以用ctrl查看使用方法。一个python文件transforms.py，工具箱，其中包含许多class方法。

（1）compose

结合不同的transforms together，可以将多个不同的transforms操作整合成一个块操作

（2）ToTensor（最常用）

把“PIL Image” 或 “numpy.array” 转换成tensor

（3）ToPILImage，Normalize正则化，Resize尺寸变化

2. tensor数据类型

通过transforms.ToTensor解决两个问题：

1.transforms如何使用

from torchvision import transforms
import cv2

img_path = '....jpg'
img = cv2.imread(img_path)

#1.transforms如何使用
#查看如何使用ToTensor。需要传入一个pic，返回tensor类型图片
tensor_trans = transforms.ToTensor()    #创建具体的工具（也是一种实例化？）原本工具箱相当于模板
tensor_img = tensor_trans(img)

2.tensor数据类型特点，为何需要该数据类型：神经网络中必须使用到的数据类型

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2

img_path = '....jpg'
img = cv2.imread(img_path)

writer = SummaryWriter("logs")

tensor_trans = transforms.ToTensor()   
tensor_img = tensor_trans(img)

writer.add_image("tensor_img", tensor_img)

writer.close()

#运行后，在终端运行tensorboard --logdir=logs

单纯生成一个tensor类型：

x = torch.tensor(1.0)

3. 常见transforms的使用

需要关注的几点，主要是格式方面：

常用的几种功能函数在前有所提及，具体使用方法在实例化后，用ctrl进去看需要参数即可。

归一化Normalize

公式：

input[channel] = ( input[channel] - mean[channel] ) / std[channel]

实例化时需要输入mean和std（平均值和标准差，三个通道需要写[0, 0, 0]这样）

作用：限制输出可以在一个范围内。如输入均值和标准差为0.5，则有：

4. Resize()的使用

输入要求数据为PIL Image格式。resize((512, 512))为转换为(512, 512)尺寸

#之后的img指的是由PIL Image方法读取的Image数据
trans_totensor = transforms.ToTensor()
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
# img_resize PIL -> totensor -> img_resize tensor 覆盖
img_resize = trans_totensor(img_resize)

print(img_resize)

5. Compose()的使用

常规第一种用法不提，用来合并不同的transforms操作。

Compose()中的参数需要是一个列表。python中列表表示形式为[数据1, 数据2, …]，在Compose中，数据需要transforms类型，即Compose([transforms参数1, transforms参数2, …])

trans_resize_2 = transforms.Resize(512)    #等比例缩放，输入一个值
# PIL -> PIL -> tensor  顺序不能变，否则先变成tensor类型会出错
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)    #需要Image数据
writer.add_image(img_resize_2)

6. 随机裁剪RandomCrop()的使用

trans_random = transforms.RandomCrop(512)
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
#例如说裁剪10个
for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop", img_crop, i)

writer.close()

#指定高和宽
trans_random = transforms.RandomCrop(500, 1000)
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])

for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop", img_crop, i)

writer.close()

7. 总结

1. 关注输入、输出类型；多看官方文档。
2. 不知道返回值的时候：
   • print
   • print(type())
   • debug