12.26 pytorch学习（transfroms工具的使用）

ToTensor()

ToTensor顾名思义就是将数据类型转换为Tensor的格式，支持的参数有PIL，NdArray（numpy）

使用方法：

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

先实例化再调用，可见此处用了__call__的魔法方法

Compose()

译为组合，可以将多个Transforms的工具组合一起使用，使用方法见Resize的代码

Resize()

和reshape几乎一样,可以重新定义图片大小。
需要注意的是，resize()的参数必须是一个PIL。
返回类型为PIL
初始化时需要一个元组或单个值：
一个元组指定长宽
单个值是等比例缩放

Normalize()

标准话，会对图像进行数据处理，大概的处理公式就是
output[channel] = (input[channel] - mean[channel]) / std[channel]
例如：

transforms_norm = transforms.Normalize([1,2,3],[3,4,5])
image_tensor_Normalize = transforms_norm(image_tensor)
#[1,2,3]为mean，[3,4,5]为std，image_tensor为input（注意要tensor的格式）

以上所以方法的实例代码：

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
writer = SummaryWriter("logs")
img = Image.open("C:\\Users\\2477491565\\Desktop\\learn_pytorch\\练手数据集\\train\\ants_image\\0013035.jpg")
print(img)
trans_totensor = transforms.ToTensor()
image_tensor = trans_totensor(img)
#可以是一个参数，也可以是两个参数。一个参数再使用Compose
#两个参数和reshape类似，修改图像的分辨率
transforms_resize_1 = transforms.Resize((521,521))
img_resize_PIL = transforms_resize_1(img)
print(type(img_resize_PIL))
transforms_Totensor = transforms.ToTensor()
img_resize_1_tensor = transforms_Totensor(img_resize_PIL)
writer.add_image("Totensor",img_resize_1_tensor,3)
#一个参数为等比例修改图像，即放或缩小图像
transforms_resize_2 = transforms.Resize(521)
##Compose（组合）,可以将多个transforms方法组合在一起使用
transfroms_compose = >transforms.Compose([transforms_resize_2,transforms_Totensor])
img_resize_2_tensor = transfroms_compose(img)
writer.add_image("Totensor",img_resize_2_tensor,4)
#output[channel] = (input[channel] - mean[channel]) / std[channel]
transforms_norm = transforms.Normalize([1,2,3],[3,4,5])
image_tensor_Normalize = transforms_norm(image_tensor)
writer.add_image("Totensor", image_tensor,0)
writer.add_image("Totensor", image_tensor_Normalize,1)
writer.close()

可以在Tensorboard中查看

等比大小需要双击查看，这里step4就没有演示了