学习笔记——pytorch怎么把PIL读取的图像转换成tensor,并归一化处理

torchvision的transforms的使用总结

import torch
from torchvision import transforms
from PIL import Image
image=Image.open('dog.jpg')#这张图片假如是rgb三通道的,分辨率是180*180
print(image.size)
toTensor=transforms.ToTensor()# 实例化一个toTensor
image_tensor=toTensor(image)
print(image_tensor.size())#这里就会输出[3,180,180]
#一般我们训练好的模型去detect需要把这个图像转成4维度
image_tensor=image_tensor.reshape(1,3,180,180)
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
PyTorch中,可以使用transforms.Normalize(mean, std)函数来进行数据归一处理。其中,mean是数据集的均值,std是数据集的标准差。使用该函数可以将原始的PILImage格式或者numpy.array格式的数据格式为可被PyTorch快速处理的张量类型。 具体的步骤如下: 1. 准备好要进行归一的数据集。 2. 将数据集转换tensor类型,可以使用transforms.ToTensor()函数。 3. 计算数据集的均值和标准差。可以定义一个函数getstat(dataset)来计算mean和std。在该函数中,使用torch.utils.data.DataLoader将数据集加载进来,并设置batch_size为1,shuffle为False,num_workers为0,pin_memory为True。然后遍历loader中的数据,累积计算mean和std。 4. 将mean和std除以数据集的长度,得到整体数据集mean和std的平均值。 5. 返回mean和std的list形式。 下面是一个示例代码: ``` def getstat(dataset): loader = torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, num_workers=0, pin_memory=True) mean = torch.zeros(1) std = torch.zeros(1) for x, _ in loader: mean += x.mean() std += x.std() mean = torch.div(mean, len(dataset)) std = torch.div(std, len(dataset)) return list(mean.numpy()), list(std.numpy()) mean, std = getstat(train_dataset) mean_, std_ = getstat(valid_dataset) print(mean, std) print(mean_, std_) ``` 在以上代码中,train_dataset和valid_dataset是要进行归一处理的数据集。 如果需要自定义transforms,可以通过定义一个类来实现多参数传入,然后在类的__call__方法中实现具体的数据处理逻辑。例如,可以定义一个AddPepperNoise类来实现添加椒盐噪声的操作。 希望以上回答对您有帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [学习pytorch归一transforms.Normalize](https://blog.csdn.net/qq_36998053/article/details/122319485)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [pytorch实现:数据集归一处理](https://blog.csdn.net/weixin_45011313/article/details/126311481)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

yuejich

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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