PyTorch之torchvision.transforms实战

最新推荐文章于 2024-07-09 13:52:22 发布
最新推荐文章于 2024-07-09 13:52:22 发布
阅读量5.9k 收藏 3
点赞数 1
分类专栏： pytorch 环境搭建与代码笔记 文章标签： pytorch python 深度学习 计算机视觉 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pylittlebrat/article/details/122147412
版权
本文详细介绍了PyTorch中torchvision.transforms模块的使用，包括Compose、Resize、Scale、CenterCrop、RandomCrop、RandomHorizontalFlip、RandomVerticalFlip和RandomResizedCrop等变换方法。通过实例展示了如何对图像进行等比缩放、随机裁剪、翻转等操作，为深度学习图像预处理提供参考。
摘要由CSDN通过智能技术生成

PyTorch之torchvision.transforms实战

#Pyton Image Library  PIL 一个python图片库
from PIL import Image
from torchvision import transforms
import matplotlib.pyplot as plt
%matplotlib inline

img = Image.open(r"C:\Users\pandas\Pictures\QQ图片20211021234845.jpg")
print(img.size)
plt.imshow(img)

(1668, 1450)





<matplotlib.image.AxesImage at 0x1c8548504c0>

在这里插入图片描述

transforms.Compose

transformer = transforms.Compose([                                
    transforms.Resize(256),
    transforms.transforms.RandomResizedCrop((224), scale = (0.5,1.0)),
    transforms.RandomHorizontalFlip(),
])
test_a = transformer(img)
plt.imshow(test_a)

<matplotlib.image.AxesImage at 0x1c856240be0>

在这里插入图片描述

transforms.Resize

对载入的图片数据按照我们的需要进行缩放，传递给这个类的size可以是一个整型数据，也可以是一个类似于 (h ,w) 的序列。如果输入是个(h,w)的序列，h代表高度，w代表宽度，h和w都是int，则直接将输入图像resize到这个(h,w)尺寸，相当于force。如果使用的是一个整型数据，则将图像的短边resize到这个int数，长边则根据对应比例调整，图像的长宽比不变。

# 等比缩放
test1 = transforms.Resize(224)(img)
print(test1.size)
plt.imshow(test1)

(257, 224)





<matplotlib.image.AxesImage at 0x1c8562e73a0>

在这里插入图片描述

transforms.Scale

对载入的图片数据我们的需要进行缩放，用法和torchvision.transforms.Resize类似。。传入的size只能是一个整型数据，size是指缩放后图片最小边的边长。举个例子，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。

# 等比缩放
test2 = transforms.Scale(224)(img)
print(test2.size)
plt.imshow(test2)

(257, 224)


C:\Users\pandas\anaconda3\envs\pytorch_test\lib\site-packages\torchvision\transforms\transforms.py:317: UserWarning: The use of the transforms.Scale transform is deprecated, please use transforms.Resize instead.
  warnings.warn("The use of the transforms.Scale transform is deprecated, " +





<matplotlib.image.AxesImage at 0x1c856386700>

在这里插入图片描述

transforms.CenterCrop

test3 = transforms.CenterCrop((500,500))(img)
print(test3.size)
plt.imshow(test3)

(500, 500)





<matplotlib.image.AxesImage at 0x1c8563f0ca0>

在这里插入图片描述

test4 = transforms.CenterCrop(224)(img)
print(test4.size)
plt.imshow(test4)

(224, 224)





<matplotlib.image.AxesImage at 0x1c8564544f0>

在这里插入图片描述

transforms.RandomCrop

test5 = transforms.RandomCrop(224)(img)
print(test5.size)
plt.imshow(test5)

(224, 224)





<matplotlib.image.AxesImage at 0x1c8564c56a0>

在这里插入图片描述

test6 = transforms.RandomCrop((300,300))(img)
print(test6.size)
plt.imshow(test6)

(300, 300)





<matplotlib.image.AxesImage at 0x1c856539790>

在这里插入图片描述

transforms.RandomHorizontalFlip

test7 = transforms.RandomHorizontalFlip()(img)
print(test7.size)
plt.imshow(test7)

(1668, 1450)





<matplotlib.image.AxesImage at 0x1c85659ba90>

在这里插入图片描述

transforms.RandomVerticalFlip

test8 = transforms.RandomVerticalFlip()(img)
print(test8.size)
plt.imshow(test8)

(1668, 1450)





<matplotlib.image.AxesImage at 0x1c856f59c10>

在这里插入图片描述

transforms.RandomResizedCrop

test9 = transforms.RandomResizedCrop(224)(img)
print(test9.size)
plt.imshow(test9)

(224, 224)





<matplotlib.image.AxesImage at 0x1c8576bc6a0>

在这里插入图片描述

test9 = transforms.RandomResizedCrop(224,scale=(0.5,0.8))(img)
print(test9.size)
plt.imshow(test9)

(224, 224)





<matplotlib.image.AxesImage at 0x1c85772e8b0>

在这里插入图片描述

显示图片对比

# RandomResizedCrop 将给定图像随机裁剪为不同的大小和宽高比，然后缩放所裁剪得到的图像为制定的大小
print("原图大小：",img.size)
# Crop代表剪裁到某个尺寸
data1 = transforms.RandomResizedCrop(224)(img)
# data1、data2、data3尺寸一样，长宽都是224*224  size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形
print("随机裁剪后的大小:",data1.size)
data2 = transforms.RandomResizedCrop(224)(img)
data3 = transforms.RandomResizedCrop(224)(img)

# 放四个格，布局为2*2
plt.subplot(2,2,1),plt.imshow(img),plt.title("Original")
plt.subplot(2,2,2),plt.imshow(data1),plt.title("Transform 1")
plt.subplot(2,2,3),plt.imshow(data2),plt.title("Transform 2")
plt.subplot(2,2,4),plt.imshow(data3),plt.title("Transform 3")
plt.show()

原图大小： (1668, 1450)
随机裁剪后的大小: (224, 224)

在这里插入图片描述

# 以输入图的中心点为中心点做指定size的crop操作
img1 = transforms.CenterCrop(224)(img)
img2 = transforms.CenterCrop(224)(img)
img3 = transforms.CenterCrop(224)(img)
# img1、img2、img3三个图是一样的
plt.subplot(2,2,1),plt.imshow(img),plt.title("Original")
plt.subplot(2,2,2), plt.imshow(img1), plt.title("Transform 1")
plt.subplot(2,2,3), plt.imshow(img2), plt.title("Transform 2")
plt.subplot(2,2,4), plt.imshow(img3), plt.title("Transform 3")
plt.show()

在这里插入图片描述

# 以给定的概率随机水平旋转给定的PIL的图像，默认为0.5
img1 = transforms.RandomHorizontalFlip()(img)
img2 = transforms.RandomHorizontalFlip()(img)
img3 = transforms.RandomHorizontalFlip()(img)

plt.subplot(2,2,1),plt.imshow(img),plt.title("Original")
plt.subplot(2,2,2), plt.imshow(img1), plt.title("Transform 1")
plt.subplot(2,2,3), plt.imshow(img2), plt.title("Transform 2")
plt.subplot(2,2,4), plt.imshow(img3), plt.title("Transform 3")
plt.show()

在这里插入图片描述

ACxz
关注
专栏目录
【Pytorch实战教程】torchvision中 transforms的用法
惊鸿若梦一书生
06-28 102
在 PyTorch 的库中，transforms模块提供了一系列用于预处理图像和进行数据增强的工具。这些变换可以对数据进行标准化裁剪旋转等操作，是构建深度学习模型中图像处理流程的重要部分。
pytorch深度学习入门（9）之-使用TORCHVISION进行目标检测
ajunbin859的专栏
11-14 2563
用于训练对象检测、实例分割和人物关键点检测的参考脚本可以轻松支持添加新的自定义数据集。数据集应继承自标准 torch.utils.data.Dataset类，并实现__len__和getitem。我们需要的唯一特殊性是数据集__getitem__ 应返回一个元组：image：torchvision.tv_tensors.Imageshape 、纯张量或 size 的 PIL 图像[3, H, W](H, W)target：包含以下字段的字典。
PyTorch之torchvision.transforms详解[原理+代码实现]
热门推荐
雷恩Layne
07-23 2万+
文章目录前言torchvision.transforms常用变换类transforms.Composetransforms.Normalize(mean, std)transforms.Resize(size)transforms.Scale(size)transforms.CenterCrop(size)transforms.RandomCrop(size)transforms.RandomResizedCrop(size,scale)transforms.RandomHorizontalFliptran
【Python】torchvision—transforms库讲解、图像预处理
Danger的博客
03-21 2225
【Python】torchvision—transforms库讲解、图像预处理
aarch64架构系统，安装torchvision后，执行：import torchvision 报错： UserWarning: Failed to load image Python extens
最新发布
baihuashu5858的博客
07-09 345
aarch64架构系统，安装torchvision后，执行：import torchvision 报错： UserWarning: Failed to load image Python extens
AttributeError: module ‘torchvision.transforms‘ has no attribute ‘Scale‘
weixin_39450145的博客
07-11 4612
1.问题：AttributeError: module ‘torchvision.transforms‘ has no attribute 'Scale'2.参考：AttributeError: module ‘torchvision.transforms‘ has no attribute ‘Scale‘_Stick_2的博客-CSDN博客3.解决：可能因为代码是用torchvision老版本写的，老版本里transforms没有Scale属性。但你现在用torchvision新版本来运行这个代码，然而新
深度学习：AttributeError: module ‘torchvision.transforms‘ has no attribute ‘Scale‘
weixin_44575717的博客
06-20 3464
报错：AttributeError: module 'torchvision.transforms' has no attribute 'Scale'
PyTorch入门学习（五）：torchvision中dataset的使用（以CIFAR10和MNIST为例）_torchvision
2401_84447112的博客
04-29 395
篇幅有限没有列举更多的前端面试题，小编把整理的前端大厂面试题PDF分享出来，一共有269页。# 添加图像数据到TensorBoard，使用不同的命名空间标识不同的迭代步骤。# 遍历测试数据加载器。
Datawhale_街景字符编码识别-pytorch.transforms数据增强
Xiaobai_rabbit0的博客
05-30 798
街景字符编码识别-Task41、构建数据集2、参数设置3、定义模型3.1、使用VGG16迁移学习 1、构建数据集 trainGen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=40,
PyTorch torchvision transforms函数
lance～crazy
09-04 351
class torchvision.transforms.Scale(size, interpolation=2) 将输入的PIL.Image重新改变大小成给定的size，size是最小边的边长。举个例子，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。 用例: from torchvision import transfor...
pytorch(7)——二十二种transforms数据预处理方法
zmj52的博客
02-05 1030
一、数据增强 数据增强：叫数据增广，数据扩增，他是对训练集进行变换，使训练集更丰富从而让模型更具泛化能力。 二、transforms——裁剪 1）transforms,Centercrop 功能：从图像中心裁剪图片 size:所需裁剪图片尺寸 三、transforms——翻转和旋转 ...
torchvision.transforms
人工智能
04-06 7280
torchvision.transforms classtorchvision.transforms.Compose(transforms) Composes several transforms together. Parameters: transforms (List[Transform]) – list of transforms to compos
【笔记】pytorch中transforms使用详解（一）
weixin_43911343的博客
03-19 3183
笔者学习pytorch时遇到transforms函数对数据进行预处理，参考官方文档和大佬的讲解，自己进行总结并标注以作记录。 觉得有用请点个赞哦哈哈哈哈 参考自《PyTorch 模型训练实用教程》，获取全文pdf请点击：https://github.com/tensor-yu/PyTorch_Tutorial 还是按照大佬的思路，将其分为4大类： 裁剪——Crop 中心裁剪：transforms....
PyTorch深度学习笔记（八）Transforms的使用
浅汐入梦的博客
02-15 1670
课程学习笔记
pytorch torchvision transform
weixin_39739616的博客
11-07 274
一、对PIL.Image进行变换 class torchvision.transforms.Compose(transforms) 将多个  transform 组合起来使用。 transforms： 由transform构成的列表. 例子： transforms.Compose([ transforms.CenterCrop(10), transforms.ToTe...
torchvision中的transforms
Duino的工具箱
12-25 4955
torchvision提供的数据变换（数据增强）
torchvision.transforms模块
方悔读书迟
07-17 768
torchvision.transforms是pytorch中的图像预处理包，包含了很多种对图像数据进行变换的函数，我们可以通过其中的剪裁翻转等进行图像增强。 1.transforms.ToTensor() 将”PIL图像“或 numpy.ndarray“转换为张量。 将PIL图像或numpy.ndarray（H x W x C） [0,255]的形状转换到torch.FloatTensor（C × H × W）[0.0，1.0]的范围内。 from PIL import Image from tor
Pytorch中torchvision.transforms常用的数据变换
wolf2345的博客
04-04 2616
torchvision.transforms中常用的数据变换 （1）torchvision.transforms.Resize():用于对载入的图片数据按我们需求的大小进行缩放。传递给这个类的参数可以使一个整形数据，也可以是一个类似于（h,w）的序列，其中，h代表高度，w代表宽度，但是如果使用的是一个整形数据，那么代表缩放的宽度和高度都是这个整形数据的值。 （2）torchvision.tra...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ACxz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值