[PyTorch] torchvision库及其常用的函数

参考的是 torchvision - PyTorch中文文档
相比于各种博客的良莠不齐的质量（也可能是我太菜看不懂），PyTorch中文文档 要友好的多。

torchvision库：torchvision是独立于 PyTorch 的关于图像操作的一些方便工具库，包含了目前流行的数据集，模型结构和常用的图片转换工具。

其常用的包：

vision.datasets ：

几个常用视觉数据集，可以下载和加载。包括以下的数据集：

• MNIST
• COCO（用于图像标注和目标检测）(Captioning and Detection)
• LSUN Classification
• ImageFolder
• Imagenet-12
• CIFAR10 and CIFAR100
• STL10

vision.models ：

包含的模型结构有：

• AlexNet,
• VGG,
• ResNet
• SqueezeNet
• Densenet

可以使用随机初始化的权重来创建这些模型。

import torchvision.models as models

resnet18 = models.resnet18()
alexnet = models.alexnet()
squeezenet = models.squeezenet1_0()
densenet = models.densenet_161()

对于ResNet variants和AlexNet，也可以使用预训练(pre-trained)的模型。通过加上pretrained=True来调用。
注：预训练是在ImageNet上进行的。

# pretrained=True 来使用预训练的模型
import torchvision.models as models

resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)

附：可调用的全部模型

torchvision.models.alexnet(pretrained=False, ** kwargs)

torchvision.models.resnet18(pretrained=False, ** kwargs)
torchvision.models.resnet34(pretrained=False, ** kwargs)
torchvision.models.resnet50(pretrained=False, ** kwargs)
torchvision.models.resnet101(pretrained=False, ** kwargs)
torchvision.models.resnet152(pretrained=False, ** kwargs)

torchvision.models.vgg11(pretrained=False, ** kwargs)
torchvision.models.vgg11_bn(** kwargs) 	# with batch normalization
torchvision.models.vgg13(pretrained=False, ** kwargs)
torchvision.models.vgg13_bn(** kwargs)	# with batch normalization
torchvision.models.vgg16(pretrained=False, ** kwargs)
torchvision.models.vgg16_bn(** kwargs)	# with batch normalization
torchvision.models.vgg19(pretrained=False, ** kwargs)
torchvision.models.vgg19_bn(** kwargs)	# with batch normalization

vision.transforms：

对PIL.Image进行变换

包括一些常用的图像操作。

class torchvision.transforms.Compose(transforms)：

将多个transform组合起来使用。
transforms： 由transform构成的列表。

示例：

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

class torchvision.transforms.CenterCrop(size)：

将给定的PIL.Image进行中心切割，得到给定的size。
size可以是tuple，(target_height, target_width)。
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。

class torchvision.transforms.Pad(padding, fill=0)：

将给定的PIL.Image的所有边用给定的pad value填充。 padding：要填充多少像素。
fill：用什么值填。

示例：

from torchvision import transforms
from PIL import Image
padding_img = transforms.Pad(padding=10, fill=0)
img = Image.open('test.jpg')

print(type(img))
print(img.size)

padded_img=padding(img)

print(type(padded_img))
print(padded_img.size)

<class 'PIL.PngImagePlugin.PngImageFile'>
(10, 10)
<class 'PIL.Image.Image'>
(30, 30) #由于上下左右都要填充10个像素，所以填充后的size是(30,30)

class torchvision.transforms.RandomCrop(size, padding=0)：

切割中心点的位置随机选取。size可以是tuple也可以是Integer。

class torchvision.transforms.RandomHorizontalFlip：

随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。

class torchvision.transforms.RandomSizedCrop(size, interpolation=2)：

先将给定的PIL.Image随机切，然后再resize成给定的size大小。

对Tensor进行变换

class torchvision.transforms.Normalize(mean, std)：

给定均值：(R,G,B) 、方差：(R，G，B)，将会把Tensor正则化。
即：Normalized_image=(image-mean)/std。

class torchvision.transforms.ToTensor：

把一个 取值范围是[0,255]的PIL.Image 或者是 shape为(H,W,C)的numpy.ndarray ，转换成shape为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor。

简单来说，就是PIL.Image、ndarray —> tensor

data = np.random.randint(0, 255, size=300)
img = data.reshape(10,10,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img) # 转换成tensor
print(img_tensor)

class torchvision.transforms.ToPILImage：

将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。

通用变换 class torchvision.transforms.Lambda(lambd)

使用lambd作为转换器。