transforms类型转换

一、transform

1. transform定义

import torchvision.transforms as transforms
# 定义转换格式1 224*224
transform = transforms.Compose([
	transforms.Scale(256),
	transforms.CenterCrop(224),
	transforms.ToTensor()
	])
# 定义转换格式2	
transform = transforms.Compose([  #transforms.Compose就是将对图像处理的方法集中起来
    transforms.RandomHorizontalFlip(),#水平翻转
    transforms.RandomCrop((32, 32), padding=4),
    transforms.ToTensor(),#转为Tensor
    #在做数据归一化之前必须要把PIL Image转成Tensor，而其他resize或crop操作则不需要。
     transforms.Normalize((0.5, 0.5 ,0.5), (0.5, 0.5, 0.5)),#归一化   
    ])

2. 使用方法

txt_path = 'G:/train/path.txt'

class MyDataset(Dataset):
    # 初始化
    def __init__(self, txt_path,transform = None, target_transform = None):
        fh = open(txt_path, 'r')
        imgs = []
        for line in fh:
            # 存储txt时 加了'\t'
            line = line.strip('\n')
            line = line.rsplit('\t')
            imgs.append((line[0],line[1])) # 以元组的形式存储imgs
            self.imgs = imgs
            self.transform = transform
            arget_transform = target_transform
    # 返回df的长度 长度可能不固定,测试通过
    def __len__(self):
        return len(self.imgs)

    # 获取第index列的数据
    def __getitem__(self, index):
        img_path,label = self.imgs[index]
        # 1. 这里是读取图片
        img = Image.open(img_path).convert('RGB')
        # 图像处理 格式转换
#        img = img.resize((224,224),Image.ANTIALIAS)
        # 2. 这里可以读取CSV文件格式
#------------这里进行类型转换:判断是否传入transform-------------
        if self.transform is not None:
            img = self.transform(img)
#--------------------------------------------------------------
        return img,label


#		使用时候：读取数据的时候
train_set = MyDataset(txt_path,transform=transform)