torch标准化_Pytorch：数据增强与标准化

最新推荐文章于 2024-01-05 20:09:07 发布

好摩

最新推荐文章于 2024-01-05 20:09:07 发布

阅读量3k

点赞数

文章标签： torch标准化

本文链接：https://blog.csdn.net/weixin_42134144/article/details/113684732

版权

本文详细介绍了PyTorch中的数据增强与标准化方法，包括各种裁剪、翻转、旋转操作，如RandomCrop、RandomHorizontalFlip、RandomRotation等，以及标准化、ToTensor、ColorJitter等图像变换技术，还有数据增强的灵活性操作如RandomChoice、RandomApply和RandomOrder等。

摘要由CSDN通过智能技术生成

本文对transforms.py中的各个预处理方法进行介绍和总结。主要从官方文档中总结而来，官方文档只是将方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类，方便大家索引：

裁剪——Crop 中心裁剪：transforms.CenterCrop 随机裁剪：transforms.RandomCrop 随机长宽比裁剪：transforms.RandomResizedCrop 上下左右中心裁剪：transforms.FiveCrop 上下左右中心裁剪后翻转，transforms.TenCrop

翻转和旋转——Flip and Rotation 依概率p水平翻转：transforms.RandomHorizontalFlip(p=0.5) 依概率p垂直翻转：transforms.RandomVerticalFlip(p=0.5) 随机旋转：transforms.RandomRotation

图像变换 resize：transforms.Resize 标准化：transforms.Normalize 转为tensor，并归一化至[0-1]：transforms.ToTensor 填充：transforms.Pad 修改亮度、对比度和饱和度：transforms.ColorJitter 转灰度图：transforms.Grayscale 线性变换：transforms.LinearTransformation() 仿射变换：transforms.RandomAffine 依概率p转为灰度图：transforms.RandomGrayscale 将数据转换为PILImage：transforms.ToPILImage transforms.Lambda：Apply a user-defined lambda as a transform

对transforms操作，使数据增强更灵活 transforms.RandomChoice(transforms)，从给定的一系列transforms中选一个进行操作 transforms.RandomApply(transforms, p=0.5)，给一个transform加上概率，依概率进行操作 transforms.RandomOrder，将transforms中的操作随机打乱

一、裁剪——Crop

1.随机裁剪：transforms.RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode=‘constant‘)

功能：依据给定的size随机裁剪

参数：size- (sequen