PyTorch学习笔记（2）--常见的Transforms

最新推荐文章于 2024-05-15 16:34:48 发布
最新推荐文章于 2024-05-15 16:34:48 发布
阅读量902 收藏 3
点赞数 9
分类专栏： PyTorch学习笔记 文章标签： pytorch python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43981621/article/details/119598586
版权

PyTorch学习笔记（2）–常见的Transforms

    本博文是PyTorch的学习笔记，第2次内容记录，主要记录了常见Transforms的使用方法。

目录

1.Python中的类

1.1Python中怎样定义类

    在Transforms使用之前，需要了解一下Python中类的使用方法。在Python中定义类的方法如下：

# coding ：UTF-8
# 文件功能： 代码实现class基本功能
# 开发人员： dpp
# 开发时间： 2021/8/11 11:14 上午
# 文件名称： class_use.py
# 开发工具： PyCharm

class Person:
    def __init__(self, name):
        print("__init__ " + name)

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

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


person = Person("first name")    # 对象创建时初始化，自动调用__init__函数
person.__call__("zhangsan")   # 对象显示地调用__call__函数
person("zhangsan")     # 对象直接调用__call__函数，调用效果与显示调用__call__一样
person.hello("lisi")    # 对象调用hello方法

1.2Python类中常用的内置函数

   在Python中有很多常用的内置函数，包括__init__、call、new__等，提醒这里的下滑线是2个短横线，在上面的例子中举例实现了__init、__call__等函数的使用方法。详细的Python内置函数的使用可以参考这两篇文章：【Python进阶篇】python之函数的类的内置方法和python 类中 call__与__init。

2.PyTorch中常用Transforms

2.1ToTensor和Normalize的使用

    ToTensor是实现将图像转换为tensor张量类型，Normalize是实现对张量的归一化操作。具体实例代码为：

# coding ：UTF-8
# 文件功能： 代码实现常用Transforms的功能
# 开发人员： dpp
# 开发时间： 2021/8/11 11:58 上午
# 文件名称： Use_of_Transforms.py
# 开发工具： PyCharm

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

writer = SummaryWriter("logs")
img = Image.open("images/pytorch.jpg").convert('RGB')    #convert('RGB')实现将图片映射到RGB三通道上面
print(img)

# Totensor的使用  ToTensor是指把PIL.Image(RGB) 或者numpy.ndarray(H x W x C) 从0到255的值映射到0到1的范围内，并转化成Tensor格式
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
print(img_tensor.shape)
writer.add_image("ToTensor", img_tensor)

# Normalize的使用 Normalize(mean，std)是通过下面公式实现数据归一化，mean表示平均值，std表示标准差
# channel=（channel-mean）/std
print(img_tensor[0][0][0])  # 输出第一个像素点归一化之前的值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 假设均值为[0.5, 0.5, 0.5],标准差为[0.5, 0.5, 0.5]
img_norm = trans_norm(img_tensor)    # 将图片转换为tensor之后，对tensor进行归一化处理
print(img_norm[0][0][0])  # 输出第一个像素点归一化之后的值
writer.add_image("Normalize", img_norm, 1)
writer.close()

    可以在Tensorboard中查看运行结果：
在这里插入图片描述

2.2Resize的使用

    Resize是修改原来图像的尺寸信息，代码如下：

# coding ：UTF-8
# 文件功能： 代码实现常用Transforms的功能
# 开发人员： dpp
# 开发时间： 2021/8/11 11:58 上午
# 文件名称： Use_of_Transforms.py
# 开发工具： PyCharm

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

writer = SummaryWriter("logs")
img = Image.open("images/pytorch.jpg").convert('RGB')    #convert('RGB')实现将图片映射到RGB三通道上面
print(img)

# Totensor的使用  ToTensor是指把PIL.Image(RGB) 或者numpy.ndarray(H x W x C) 从0到255的值映射到0到1的范围内，并转化成Tensor格式
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
print(img_tensor.shape)
writer.add_image("ToTensor", img_tensor)

# Normalize的使用 Normalize(mean，std)是通过下面公式实现数据归一化，mean表示平均值，std表示标准差
# channel=（channel-mean）/std
print(img_tensor[0][0][0])  # 输出第一个像素点归一化之前的值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 假设均值为[0.5, 0.5, 0.5],标准差为[0.5, 0.5, 0.5]
img_norm = trans_norm(img_tensor)    # 将图片转换为tensor之后，对tensor进行归一化处理
print(img_norm[0][0][0])  # 输出第一个像素点归一化之后的值
writer.add_image("Normalize", img_norm, 1)

# Resize的使用
print(img.size)
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
# img_resize PIL -> totensor -> img_resize tensor
img_resize = trans_totensor(img_resize)
writer.add_image("Resize", img_resize, 0)
print(img_resize)

writer.close()

    可以在Tensorboard中查看Resize的运行结果：
在这里插入图片描述

2.3Compose的使用

    Compose类的主要作用是串联多个图片变换的操作，代码如下：

# coding ：UTF-8
# 文件功能： 代码实现常用Transforms的功能
# 开发人员： dpp
# 开发时间： 2021/8/11 11:58 上午
# 文件名称： Use_of_Transforms.py
# 开发工具： PyCharm

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

writer = SummaryWriter("logs")
img = Image.open("images/pytorch.jpg").convert('RGB')    #convert('RGB')实现将图片映射到RGB三通道上面
print(img)

# Totensor的使用  ToTensor是指把PIL.Image(RGB) 或者numpy.ndarray(H x W x C) 从0到255的值映射到0到1的范围内，并转化成Tensor格式
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
print(img_tensor.shape)
writer.add_image("ToTensor", img_tensor)

# Normalize的使用 Normalize(mean，std)是通过下面公式实现数据归一化，mean表示平均值，std表示标准差
# channel=（channel-mean）/std
print(img_tensor[0][0][0])  # 输出第一个像素点归一化之前的值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 假设均值为[0.5, 0.5, 0.5],标准差为[0.5, 0.5, 0.5]
img_norm = trans_norm(img_tensor)    # 将图片转换为tensor之后，对tensor进行归一化处理
print(img_norm[0][0][0])  # 输出第一个像素点归一化之后的值
writer.add_image("Normalize", img_norm, 1)

# Resize的使用
print(img.size)
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
# img_resize PIL -> totensor -> img_resize tensor
img_resize = trans_totensor(img_resize)
writer.add_image("Resize", img_resize, 0)
print(img_resize)

# compose - resize - 2
trans_resize_2 = transforms.Resize(512)
# PIL -> PIL -> tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Compose", img_resize_2, 1)

writer.close()

    可以在Tensorboard中查看Compose的运行结果：
在这里插入图片描述

2.4RandomCrop的使用

    RandomCrop类的主要作用是实现对图片随机裁剪，裁剪的尺寸根据给定的参数进行，如果给定的是1个参数，则裁剪成正方形，如果是两个参数，则裁剪成两个参数指定的长和宽。代码如下：

# coding ：UTF-8
# 文件功能： 代码实现常用Transforms的功能
# 开发人员： dpp
# 开发时间： 2021/8/11 11:58 上午
# 文件名称： Use_of_Transforms.py
# 开发工具： PyCharm

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

writer = SummaryWriter("logs")
img = Image.open("images/pytorch.jpg").convert('RGB')    #convert('RGB')实现将图片映射到RGB三通道上面
print(img)

# Totensor的使用  ToTensor是指把PIL.Image(RGB) 或者numpy.ndarray(H x W x C) 从0到255的值映射到0到1的范围内，并转化成Tensor格式
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
print(img_tensor.shape)
writer.add_image("ToTensor", img_tensor)

# Normalize的使用 Normalize(mean，std)是通过下面公式实现数据归一化，mean表示平均值，std表示标准差
# channel=（channel-mean）/std
print(img_tensor[0][0][0])  # 输出第一个像素点归一化之前的值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  # 假设均值为[0.5, 0.5, 0.5],标准差为[0.5, 0.5, 0.5]
img_norm = trans_norm(img_tensor)    # 将图片转换为tensor之后，对tensor进行归一化处理
print(img_norm[0][0][0])  # 输出第一个像素点归一化之后的值
writer.add_image("Normalize", img_norm, 1)

# Resize的使用
print(img.size)
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
# img_resize PIL -> totensor -> img_resize tensor
img_resize = trans_totensor(img_resize)
writer.add_image("Resize", img_resize, 0)
print(img_resize)

# compose - resize - 2
trans_resize_2 = transforms.Resize(512)
# PIL -> PIL -> tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Compose", img_resize_2, 1)

# RandomCrop随机裁剪
trans_random = transforms.RandomCrop(512)  #裁剪图像尺寸为512×512
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
for i in range(10):   #对原始图像随机裁剪0-9一共10个图像
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop", img_crop, i)

writer.close()

    可以在Tensorboard中查看RandomCrop的运行结果：
在这里插入图片描述

3.学习小结

    在本文中总结了几种常用的Transforms，主要包括：ToTensor、Normalize、Resize、Compose、RandomCrap等。在新接触这些类时，几种常用的学习方法总结如下：

  1. 多关注每个函数的输入值类型、输出值类型；
  2. 多看函数的源码，根据源码中提供的内容对函数的使用方法进行掌握；
  3. 通过关注函数的参数类型、参数个数、参数作用对函数的使用方法进行了解；
  4. 如果不知道函数的返回值是什么类型，借助print()函数，输出其类型或者格式，进行查看。
我这一次
关注
  • 9
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
PyTorch convert function for op ‘hardswish‘ not implemented.
jacke121的专栏
10-26 2772
PyTorch convert function for op 'hardswish' not implemented. 一般是torch版本不对，应该是torch1.6.0，但是我的是1.6.0 cu101 原因还没找到
PyTorch torchvision transforms函数
lance～crazy
09-04 346
class torchvision.transforms.Scale(size, interpolation=2) 将输入的PIL.Image重新改变大小成给定的size，size是最小边的边长。举个例子，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。 用例: from torchvision import transfor...
Pytorch中常见的transforms用法
最新发布
Modaa_的博客
05-15 828
transforms是torchvision中的一个模块（torchvision是Pytorch的计算机视觉工具包），该模块定义了很多用于图像预处理的类，如归一化（Normalize类），尺寸变化（Resize类），转换为tensor格式（ToTensor类），通过实例化该工具类，可以方便地对图像进行各种变换操作。
transforms函数
SJZSZYH的博客
11-16 306
其中mean和std分别通过(0.5,0.5,0.5)和(0.5,0.5,0.5)进行指定。原来的0-1最小值0则变成(0-0.5)/0.5=-1，而最大值1则变成(1-0.5)/0.5=1.注：Python图像库PIL(Python Image Library)是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了。而后面的transform.Normalize()则把0-1变换到(-1,1).这样就把两个步骤整合到了一起。
Jittor 深度学习框架入门（pytorch转换）、对比
OpenSceneGraph的博客
09-08 2295
1.PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。 中文网站：https://pytorch-cn.readthedocs.io/zh/latest/ 2.NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运
机器学习12：pytorch中transforms的22个方式【转载】
weixin_39504171的博客
12-11 212
机器学习12：pytorch中transforms的22个方式【转载】 本文转载自博客https://blog.csdn.net/u011995719/article/details/85107009。 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，这里总结共有四大类，以下为...
pytorch-CycleGAN-and-pix2pix-master
04-25
pytorch-CycleGAN-and-pix2pix-master的一个代码
利用pytorch实现对CIFAR-10数据集的分类
09-18
今天小编就为大家分享一篇利用pytorch实现对CIFAR-10数据集的分类，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pytorch-CycleGAN-and-pix2pix
01-03
pytorch-CycleGAN-and-pix2pix
pytorch3d-0.7.1-py37-cu116-pyt1121.tar.bz2
09-19
pytorch3d-0.7.1-py37_cu116_pyt1121.tar.bz2
MVSNet-pytorch版 源码 MVSNet-pytorch-master
08-27
MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-master MVSNet_pytorch版 源码 MVSNet_pytorch-masterMVSNet_pytorch版 源码 ...
pytorch学习笔记2 - transforms
fa1c4的blog
11-17 1629
TensorBoard tensorboard可以当作用来生成图表的类, (后边训练神经网络时需要用来画图, 看loss函数的曲线 比如生成y=x2y = x^2y=x2曲线 from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter("logs") for i in range(100): writer.add_scalar("y = x ^ 2", i ** 2, i) writer.close() 查看
（原）torch模型转pytorch模型
weixin_34106122的博客
11-15 508
转载请注明出处： http://www.cnblogs.com/darkknightzh/p/7839263.html 目前使用的torch模型转pytorch模型的程序为： https://github.com/clcarwin/convert_torch_to_pytorch   该程序中，常见的模型都可以转换，但是对于torch中为BatchNormalization的则会提示出错...
python transform函数_如何理解pandas中的transform函数
weixin_39943383的博客
12-09 1125
transform函数一直没懂，直到看到这篇文章 UnderstandingtheTransformFunctioninPandas, 假设我们有下面的销售数据，有三个不同的 订单id (10001， 10005和10006),每个 订单id又含有多个产品。import pandas as pddf = pd.read_excel("sales_transactions.xlsx")df问题每个订...
transforms常用功能函数
qq_42806080的博客
01-24 2228
1. Compose（） 功能作用： 将不同的transforms结合在一起，先进行第一个transform变换，后进行第二个transforms变换 用法： Compose中的参数需要是一个列表。Python中，列表的表示形式为[数据1，数据2，……]； 在Compose中，数据需要是transforms类型，所以得到，Compose([transform参数1，transforms参数2，……]) trans_compose = transforms.Compose([trans_resize_2, t
transforms常用函数简介
别下完这场雪
01-28 3155
transforms的使用 简单介绍一个 transforms 的功能 transforms 主要用于对图片的变换。 下面是常用的函数 toTensor( ) from torch.utils.tensorboard import SummaryWriter from torchvision import transforms from PIL import Image """ 1. transforms 该如何使用 2. 为什么需要Tensor数据类型 """ img_path = "datas
在PyTorch中转换数据
weixin_26713521的博客
09-02 348
In continuation of my previous post ,we will keep on deep diving into basic fundamentals of PyTorch. In this post we will discuss about ways to transform data in PyTorch. 延续我以前的 发布后 ，我们将继续深入研究PyTorc...
PyTorch②---transforms结构及用法
weixin_45703331的博客
07-27 148
PyTorch②---transforms结构及用法
torchvision-transforms 常用函数总结
qq_51539256的博客
07-02 1299
torchvision-transforms 常用函数总结
python如何让图片镜像翻转_[PyTorch 学习笔记] 2.3 二十二种 transforms 图片数据预处理方法
06-10
2. 定义一个transforms对象，使用transforms.RandomHorizontalFlip()方法来实现图片的镜像翻转。代码如下： ``` transform = transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.ToTensor() ])...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值