【Pytorch】torchvision.transforms

1. transforms.ToTensor

from torchvision import transforms
from PIL import Image

img_path = '///'
img = Image.open(img_path)
tensor_img = transforms.ToTensor(img)

2. transforms.Normalize

'''
标准化
input[channel] = (input[channel] - mean[channel])/ std[channel]
'''
trans_norm = transforms.Normalize(mean=[0.5, 0.5, 0.5],
                                  std=[0.5, 0.5, 0.5])
trans_norm(img_tensor)

3. transforms.Resize

'''
改变维度
'''
img_tensor = torch.randn((3, 128, 128))
trans_resize = transforms.Resize((256, 256))
img_resize = trans_resize(img_tensor)

print(img_tensor.shape, img_resize.shape)
'''
torch.Size([3, 128, 128]) torch.Size([3, 256, 256])
'''

4. transforms.Pad

'''
class torchvision.transforms.Pad(padding, fill=0, padding_mode=‘constant’)
padding-(sequence or int, optional)
    int，上下左右均填充int个
    sequence
        [a, b]，左右填充a列，上下填充b行
        [a,b,c,d]，则为左，上，右，下。
    fill- (int or tuple) 
        填充的值是什么（仅当padding_mode为constant时有用）。
        int时，各通道均填充该值，
        当长度为3的tuple时，表示RGB通道需要填充的值。
    padding_mode- 填充模式，这里提供了4种填充模式，
        1.constant，常量。
        2.edge 按照图片边缘的像素值来填充。
        3.reflect，？ 4. symmetric，？
'''

trans_pad = transforms.Pad(padding=[1,1], fill=0, padding_mode='constant')
trans_pad(torch.randn(2, 1, 1))
'''
tensor([[[ 0.0000,  0.0000,  0.0000],
         [ 0.0000, -0.0892,  0.0000],
         [ 0.0000,  0.0000,  0.0000]],

        [[ 0.0000,  0.0000,  0.0000],
         [ 0.0000,  1.1186,  0.0000],
         [ 0.0000,  0.0000,  0.0000]]])
'''

5. transforms.Compose

trans = transforms.Compose([transforms.Resize((64, 64))
                           ,transforms.Resize((128))])

trans(torch.randn(3, 25, 25)).shape
'''
torch.Size([3, 128, 128])
'''