imgaug批量椒盐噪声 python_深度时钟（12）：Python数据的预处理——选择和自定义转换,之眼,Pytorch,打卡,十二,与,transforms,通过,向,图片,上,添加,椒盐,噪声...

前言

这篇笔记继续学习

pytorch

的数据预处理方式

transforms

，前三篇笔记学习了

transforms

的使用流程，和各种方法实现。这篇笔记包括两个要点，第一是在已经选好

transform

方法

transform1,transform2,transform3...

，并且都设置好参数数的前提下，如何在

每次迭代的时候选择不同组的

transform

方法或者使用不同的调用顺序

，第二是如何

自定义

transform

方法

，虽然pytorch提供了很多transform方法，但有时可能也需要自己定义。本笔记提供了

在图片上添加椒盐和高斯噪声

的数据增强方法。本笔记的知识框架主要来源于

深度之眼

，并依此作了内容的丰富拓展，拓展内容主要源自对

torch文档

的翻译理解，所用数据来源于网络。

数据预处理方法具体实现见：

transform选择

torchvision.transforms.RandomChoice(transforms)

transforms

是一个由若干预处理方法组成的列表

transforms=[transform1,transform2,transform3,.....]

，该方法就是随机从该列表中随机取一个方法来执行。

transforms.RandomChoice(

[transforms.RandomGrayscale(1), transforms.ColorJitter(hue=0.5), transforms.RandomRotation(60, resample=2)]),

transforms.ToTensor(),

图1.每次读入的图片都从灰度化、变色和旋转中随机选一种方法执行

torchvision.transforms.RandomApply(transforms, p=0.5)

依概率

p

执行

transforms

，并且执行时按照顺序执行其中每一个预处理方法。

transforms

是由若干预处理方法组成的

list

或者是

tuple

。

transforms.RandomApply([transforms.Pad(50, fill=(100, 130, 110)), transforms.RandomAffine(degrees=0, shear