今天要写的代码涉及到数据增强的部分，因为我用的框架是pytorch，想着如果直接有数据增强的函数直接用就好了，省的写了，查了一下确实有，就在torchvision的tranform中，但是这里面对于图像的变化都是针对于PIL图像的，而我之前对于图片的操作都是用的给cv2，就稍微看了一下PIL的用法，再加上函数，图像增强的部分算是搞明白了。
但是在我训练完之后，要预测时，因为要计算混淆矩阵，但是老出错误，往回寻找错误才发现问题。
混淆矩阵计算时，真值和预测值所对应的标签都是一致的，比如我是两分类，预测的结果是0和1，而label因为随着样本图像做过数据增强，所以它也是经过PIL处理的，我就打开label的值看了一下，居然是0和0.0032，试验了很多遍，确实是因为PIL打开图片的原因，我本来在考虑按照哪个格式来，分析了一下，肯定是整数来代替类别比较方便，所以我决定想办法将PIL打开的后的图片经过变化之后，能转成cv2打开的那个样子。
查了一下，说PIL打开图片是”RGB“方式，而cv2打开是”BGR"方式，难道这个导致了像素值的变化？我以为这两种打开方式只是改变了宽高，可惜PIL也没有以“BGR”打开的方式，也不能比较一下值变化是不是因为这个。
将PIL转成numpy或者tensor如果用那种常见的方式依旧不行，欸，我看到了一个这样的转换方式np.asanyarray()，试了一下，果真，那些个0.0039变成了1，总算解决了一个问题了。
本来我在训练的时候发现loss值相比于之前训练的特别低，还以为数据增强这么管用，原来是因为数据增强让我的label变得那么小，所以loss值才那么低的......现在改完了，重新跑一下看看数据增强的作用吧~
3504
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
