Transforms
transform是广泛使用的图形变换库，包含20多种基础方法以及组合功能，通常使用Compose把这些方法组合起来使用。
Compose方法中各个变换方法是串联的，也就是说上个方法输出是下个方法的输入，这要求各个方法之间传输的数据对象要一致。
常用API
Resize(size, interpolation=, max_size=None, antialias=None）
Resize是PyTorch中transforms模块的一个重要变换方法，用于调整图像尺寸。以下是其主要参数和功能：
- size: 输出图像的目标尺寸。可以是单个整数（较短边将缩放到这个尺寸）或元组（指定具体的高度和宽度）
- interpolation: 插值方法，用于确定如何计算新图像像素值
- max_size: 输出图像的最大允许尺寸
- antialias: 是否使用抗锯齿处理
示例用法：
from torchvision import transforms
# 将图片短边调整为256像素
transform = transforms.Resize(256)
# 将图片调整为特定尺寸 224x224
transform = transforms.Resize((224, 224))
# 在数据加载器中使用
transform = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor()
])
ToTensor
ToTensor是一个常用的转换方法，用于将PIL图像或NumPy数组转换为PyTorch张量。它的主要功能包括：
- 数据类型转换：将PIL图像或NumPy的ndarray转换为torch.FloatTensor
- 维度调整：将图像的维度从(H x W x C)调整为(C x H x W)
- 像素值缩放：将[0, 255]范围的像素值缩放到[0.0, 1.0]
ToTensor()不需要任何参数。以下是使用示例：
from torchvision import transforms
from PIL import Image
# 创建转换器
transform = transforms.ToTensor()
# 单独使用
image = Image.open('image.jpg')
tensor_image = transform(image)
# 在转换流程中使用
transform_pipeline = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
])
在这个例子中，ToTensor被用作数据预处理流程的一部分，通常在将图像输入神经网络之前使用。它确保了数据格式符合PyTorch的要求，并进行了适当的数值归一化。
Normalize(mean,std,inplace=False)
Normalize是一个常用的数据标准化转换方法，用于对张量进行标准化处理。它主要用于将输入数据转换为具有指定均值和标准差的分布。以下是其主要参数：
- mean: 每个通道的均值，可以是一个序列或数字
- std: 每个通道的标准差，可以是一个序列或数字
- inplace: 是否直接在输入张量上进行操作，默认为False
对于每个通道，标准化的计算公式为：
output = (input - mean) / std
示例用法：
from torchvision import transforms
# 创建标准化转换
normalize = transforms.Normalize(
mean=[0.485, 0.456, 0.406], # ImageNet数据集的通道均值
std=[0.229, 0.224, 0.225] # ImageNet数据集的通道标准差
)
# 在转换流程中使用
transform_pipeline = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
])
需要注意的是：
- Normalize要求输入是PyTorch张量，所以通常在ToTensor之后使用
- 对于RGB图像，需要为每个通道指定均值和标准差
- 标准化参数的选择通常基于训练数据集的统计特性，上例中使用的是ImageNet数据集的统计值
FiveCrop&TenCrop
FiveCrop和TenCrop是PyTorch中用于数据增强的转换方法，它们通过从输入图像中截取多个区域来创建多个图像视图。
FiveCrop(size, vertical_flip=False)
FiveCrop将图像裁剪成五个部分：四个角落和中心区域。参数说明：
- size: 裁剪区域的大小，可以是单个整数或(height, width)元组
- vertical_flip: 是否进行垂直翻转，默认为False
TenCrop(size, vertical_flip=False)
TenCrop在FiveCrop的基础上增加了水平翻转，总共生成十个裁剪区域。参数与FiveCrop相同。
使用示例：
from torchvision import transforms
from PIL import Image
# FiveCrop示例
five_crop = transforms.FiveCrop(size=(224, 224))
image = Image.open('image.jpg')
five_crops = five_crop(image) # 返回5个PIL图像的元组
# TenCrop示例
ten_crop = transforms.TenCrop(size=(224, 224))
ten_crops = ten_crop(image) # 返回10个PIL图像的元组
# 在数据处理流程中使用
transform = transforms.Compose([
transforms.Resize(256),
transforms.TenCrop(224),
transforms.Lambda(lambda crops: torch.stack([transforms.ToTensor()(crop) for crop in crops]))
])
这些方法通常用于测试阶段，可以通过多个视角来提高模型的预测准确性。在训练阶段使用时需要注意：
- 需要相应调整模型的前向传播逻辑以处理多个裁剪区域
- 会增加内存使用和计算时间
- 通常与其他数据增强方法结合使用可以获得更好的效果
Lambda
Lambda是一个灵活的转换方法，允许用户定义自定义的转换函数。它可以接受任何Python可调用对象（通常是lambda函数或常规函数）作为参数。
主要特点：
- 自定义转换：可以实现标准transforms中没有的转换操作
- 灵活性：可以与其他转换方法结合使用
- 函数式编程：支持lambda表达式和常规函数
示例用法：
from torchvision import transforms
import torch
# 简单的Lambda转换示例
transform = transforms.Lambda(lambda x: x * 2)
# 在转换流程中使用Lambda
transform_pipeline = transforms.Compose([
transforms.ToTensor(),
transforms.Lambda(lambda x: x.mean(dim=0)), # 计算通道均值
])
# 使用常规函数的示例
def custom_transform(img):
return img[:, ::2, ::2] # 隔行隔列采样
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Lambda(custom_transform)
])
使用Lambda的一些常见场景：
- 数据格式转换：在不同数据类型之间转换
- 自定义数学运算：执行特定的数学计算或变换
- 形状调整：修改张量的维度或大小
- 数据标准化：实现自定义的标准化方法
需要注意的是，Lambda转换应该保持输入输出格式的一致性，以确保能够在转换流程中正常工作。
下面解释Lambda与FiveCrop/TenCrop的关系：
transforms.Lambda(lambda crops: torch.stack([transforms.ToTensor()(crop) for crop in crops]))
这行代码可以分解为以下几个部分：
- crops参数：是FiveCrop或TenCrop输出的多个PIL图像的元组，包含了不同位置的裁剪图像
- 列表推导式：[transforms.ToTensor()(crop) for crop in crops] 对每个裁剪后的图像应用ToTensor转换
- torch.stack：将转换后的多个张量堆叠成一个批次张量
Lambda与FiveCrop/TenCrop的关系：
- 数据流转换：FiveCrop/TenCrop输出多个PIL图像，但模型需要张量格式
- 批处理桥接：Lambda在这里起到桥接作用，将多个裁剪图像统一处理成一个批次
- 格式统一：最终输出的是shape为(N, C, H, W)的张量，其中N是裁剪数量（5或10）
执行顺序：
- FiveCrop/TenCrop生成多个裁剪图像
- Lambda接收这些裁剪图像
- 对每个裁剪图像应用ToTensor转换
- 使用torch.stack将所有张量合并为一个批次
RandomChoice
RandomChoice是一个转换方法，它允许从给定的转换列表中随机选择一个转换来应用。这对于数据增强特别有用，因为它可以为每个输入图像随机应用不同的转换。
参数说明：
- transforms：转换列表，包含多个可能的转换方法
示例用法：
from torchvision import transforms
# 创建多个可能的转换
transform_list = [
transforms.RandomHorizontalFlip(),
transforms.ColorJitter(brightness=0.5),
transforms.RandomRotation(30),
transforms.RandomGrayscale()
]
# 创建RandomChoice转换
random_transform = transforms.RandomChoice(transform_list)
# 在转换流程中使用
transform_pipeline = transforms.Compose([
transforms.Resize((224, 224)),
transforms.RandomChoice(transform_list),
transforms.ToTensor()
])
在这个例子中：
- 每次处理图像时，RandomChoice会从transform_list中随机选择一个转换应用
- 这种随机性有助于增加数据的多样性，提高模型的泛化能力
- 每个转换被选中的概率是相等的，除非特别指定概率分布
使用RandomChoice的优势：
- 增加多样性：通过随机应用不同的转换，可以生成更多样化的训练数据
- 防止过拟合：随机性有助于减少模型对特定数据增强方式的依赖
- 灵活性：可以根据需求组合不同的转换方法
RandomOrder
RandomOrder是一个转换方法，它会随机改变给定转换序列的应用顺序。这对于数据增强特别有用，因为不同的转换顺序可能产生不同的效果。
参数说明：
- transforms：转换列表，包含需要随机排序的转换方法
示例用法：
from torchvision import transforms
# 创建多个转换方法
transform_list = [
transforms.ColorJitter(brightness=0.5),
transforms.RandomHorizontalFlip(),
transforms.RandomRotation(20)
]
# 使用RandomOrder随机排序这些转换
random_order_transforms = transforms.RandomOrder(transform_list)
# 在转换流程中使用
transform_pipeline = transforms.Compose([
transforms.Resize((224, 224)),
transforms.RandomOrder(transform_list),
transforms.ToTensor()
])
使用RandomOrder的优势：
- 增加随机性：通过随机改变转换顺序，可以产生更多样的数据增强效果
- 顺序敏感性：某些转换的效果可能依赖于应用顺序，RandomOrder可以探索不同顺序组合
- 提高鲁棒性：通过多样的转换顺序，帮助模型学习更稳健的特征
需要注意：所有转换都会被应用，只是应用的顺序是随机的。这与RandomChoice（随机选择一个转换）不同。
RandomApply
RandomApply是一个转换方法，它以一定的概率应用给定的转换序列。这意味着转换可能会被应用，也可能不会被应用，具体取决于设定的概率。
参数说明：
- transforms：转换列表，包含需要随机应用的转换方法
- p：应用转换的概率，默认值为0.5。取值范围为[0.0, 1.0]
示例用法：
from torchvision import transforms
# 创建要随机应用的转换列表
transform_list = [
transforms.ColorJitter(brightness=0.4, contrast=0.4),
transforms.RandomRotation(15)
]
# 以0.7的概率应用这些转换
random_apply = transforms.RandomApply(transform_list, p=0.7)
# 在转换流程中使用
transform_pipeline = transforms.Compose([
transforms.Resize((224, 224)),
transforms.RandomApply(transform_list, p=0.7),
transforms.ToTensor()
])
使用RandomApply的优势：
- 概率控制：可以精确控制数据增强的应用频率
- 灵活性：可以将多个转换组合在一起，作为一个整体进行概率应用
- 平衡增强：通过概率控制，可以在数据增强和保持原始特征之间取得平衡
需要注意：
- 当转换被应用时，transform_list中的所有转换都会按顺序执行
- 当转换不被应用时，图像将保持原样不变
- 这种方法特别适合需要温和数据增强的场景
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
