常见的transform（一）—— 自用小土堆笔记

目录

1.transforms的导入

2.transform中compose里面的__call__用法

3.ToTensor的使用

4.Normalize（归一化）的使用

---

1.transforms的导入

from torchvision import transforms

2.transform中compose里面的__call__用法

下划线表示内置函数

内置函数和函数区别的例子：

class Person:
    def __call__(self, name):  # 内置函数
        print("__call__" + "Hello" + name)

    def hello(self, name): 
        print("Hello" + name)


person1 = Person()
person1("Wym")  # 内置函数不需要用 . 调用内置函数
person1.hello("Wym")

输出结果

__call__HelloWym
HelloWym

结论：内置函数不需要用 . 调用内置函数，直接 对象()

tips：按住Ctrl + P 有提示需要什么参数

3.ToTensor的使用

（1）TensorBoard的配置

        创建logs文件夹

writer = SummaryWriter("logs")

（2）将图像打开

img = Image.open("image/9715481_b3cb4114ff.jpg")

（3）创建对象，并使用对象的功能，将图像转化成Tensor数据类型的

        （Tensor数据类型的可以放到TensorBoard中）

trans_ToTensor = transforms.ToTensor()
img_Tensor = trans_ToTensor(img)

（4）添加图像到writer中

writer.add_image("ToTenser", img_Tensor)  # 添加Tensor数据类型的图像到writer中
writer.close()  # 添加完图像必须跟一个

（5）终端调用并打开

--logdir=logs ：将logs文件夹下的图像传到tensorboard中

--port=6007 ：地址6007
 

 tensorboard --logdir=logs --port=6007

打开6007，其中tag：ToTensor

4.Normalize（归一化）的使用

 计算公式

output[channel] = (input[channel] - mean[channel]) / std[channel]

# Normalize
print(img_Tensor[0][0][0])  # 图像像素的第一个点
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 每个通道均值和标准差
img_norm = trans_norm(img_Tensor)  # normalize只能处理tensor数据类型
print(img_norm[0][0][0])
writer.add_image("img_normalize", img_norm)  # 处理之后的图像添加到logs中
writer.close()

归一化后的图像

完整代码

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")  # 创建logs文件夹
img = Image.open("image/9715481_b3cb4114ff.jpg")  # 打开相对路径下的图像

# ToTensor
trans_ToTensor = transforms.ToTensor()  # 创建对象
img_Tensor = trans_ToTensor(img)  # img转为Tensor数据类型
writer.add_image("ToTenser", img_Tensor)  # 添加Tensor数据类型的图像到writer中

# Normalize
print(img_Tensor[0][0][0])  # 图像像素的第一个点
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 每个通道均值和标准差
img_norm = trans_norm(img_Tensor)  # normalize只能处理tensor数据类型
print(img_norm[0][0][0])
writer.add_image("img_normalize", img_norm)  # 处理之后的图像添加到logs中
writer.close()