目录
主要关注函数的输入、输出和作用。
图片的三种格式： PIL Image.open()读取图片
narrays cv2.Imread()读取图片
tensor ToTensor从前面另个转变
一、Normlize()类
1、作用
将图片标准化，图片3个维度的值在[0,1]之间，通过标准化图片可以将值转化为想要的区间内
2、结构（输入输出等）
输入：实例化对象时__init__输入：均值（mean）,标准差（std）
自动调用内置函数输入：tensor类型的图片
标准化：（img-mean）/std。此时图片将进行改变。
3、结合tensorboard实战
（1）Image.open()读取图片
（2）transforms.ToTensor()将图片转化为tensor类型，分两步：建立Totensor类的实例对象->调用内置函数进行转化
（3）SummaryWriter在tensorboard上展示tensor类型的图片，分四步：建立SummaryWriter实例化对象（注意参数：文件名）->调用共有函数add_Image(参数为：“图名”，tensor类型的图片，第几步（可省略）)进行图片添加->对象.close()方法关闭->右键打开本文件的后台（Terminal），运行 tensorboard --logdir=(文件名） --port=6007，若未打开，在谷歌浏览器上查看
（4）图片归一化：创建Normalize类的实例对象（参数为：均值，标准差），一般图片有3个维度，均值和标准差各写3个即可->调用内置方法进行归一化（参数为tensor类型的图片）
（5）在）SummaryWriter在tensorboard上展示归一化后的图片，如（3），其中add_image参数“图名”可以不一样，若一样，标好第几步。两个只用一个close()方法关闭即可。
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image
img=Image.open("E:\\pytorch pycharm\\Image\\sansan.jpg")
tensor_trans=transforms.ToTensor()
img_tensor=tensor_trans(img)
write=SummaryWriter("logs")
write.add_image("tensor",img_tensor)
#Normlize类：归一化，输入：img,mean（均值），std(标准差），将img的值归一化为(img-mean)/std
trans_norm=transforms.Normalize([-2,-1,-3],[1,3,2])#实例化对象，图片有3个维度（C,H,W),均值好标准差提供3个
img_norm=trans_norm(img_tensor)
print(img_tensor[0][0][0])
print(img_norm[0][0][0])
write.add_image("normlize",img_norm,1)
write.close()
二、Resize()类
1、作用
将PIL类型的图片重新变换尺寸，如200*200的图片尺寸，变为512*512
2、结构（输入输出等）
实例化对象输入：重新定义的尺寸大小（输入一般为（ ，）类型，若为一个int型的值，如224，则表示把图像的短边统一为224，另外一边做同样倍速缩放，不一定为224）
调用内置函数输入：PIL类型的图片
输出：重新定义尺寸的图片
3、 结合tensorboard实战
改变图片尺寸并在tensorboard上进行输出：（在前面代码基础上进行）
#Resize类，将PIL类型的图片重新变换尺寸，如200*200的图片尺寸，变为512*512
print(img.size)#先打印原先PIL图片尺寸
tensor_resize=transforms.Resize((512,512))#创建Resize实例化对象，参数为size
img_resize=tensor_resize(img)#改变传入尺寸大小
print(img_resize.size)#打印Resize之后的图片尺寸
img_TReszie=tensor_trans(img_resize)#转为tensor类型
write.add_image("Resize",img_TReszie,0)#tensorboard进行输出
write.close()三、Compose()类
1、作用
连接多个transforms类型的方法，这些方法组成列表作为Compose实例化对象的输入，前一个方法的输出为后一个方法的输入
2、结构（输入输出等）
实例化对象的输入：transforms类型的列表，列表内前一个方法的输出是回一个方法的输入
调用内置函数输入：列表第一个方法的输入
输出：列表最后一个方法的输出
3、结合Resize和Tensorboard进行实战
将PIL类型图片改变尺寸大小，并转化为tensor类型在tensorboard上进行展示
#compose类，连接多个方法，前一个方法的输出是后一个方法的输入。方法是transforms类型的，且组成列表作为compose函数的输入
#compose结合resize方法，resize方法如果输入的是一个值，则是图像的短边统一为这个值，另外一边做同样倍速缩放，不一定为这个值
tensor_resize1=transforms.Resize(20)#resize输入一个值的例子
tensor_compose=transforms.Compose([tensor_resize1,tensor_trans])#两个transforms类型的实例化对象，先改变尺寸大小，再变为tensor类型
img_compose=tensor_compose(img)#输入为第一个实例化对象的输入类型，输出为最后一个实例化对象的输出类型
write.add_image("Compose",img_compose,0)#tensorboard进行展示
write.close()
四、RandomCrop()类
1、功能
对图片进行随机尺度的裁剪，输入一个值，或者两个值（代表图片的宽，高），从图片的任意区域剪裁输入尺寸的图片
2、结构
实例化对象输入：剪裁图像的尺寸大小（一个值，多个值都可）
内置方法调用：PIL/tensor格式的图片
输出：随机位置剪裁后的图片
3、结合compose、tensorboard实战
对图片进行裁剪，，循环1次，并在tensorboard上进行输出 ：（接上一段代码）
#RandomCrop()类
tensor_random=transforms.RandomCrop((110,110))
tensor_compose1=transforms.Compose([tensor_random,tensor_trans])
for i in range(10):#循环10次
img_random = tensor_compose1(img)
write.add_image("random",img_random,i)
write.close()
五、总结
1、快捷键
（1）功能查看：按住ctrl键，点击名称进入解释文件，有的要进两次（比如transforms,第一次出来的是__init__.py文件，再按住ctrl键，点击transforms才会出现解释文件）
内部相应类的功能查看：pycharm左边有一个structure，点击即出现所有的类及其函数，点击相应的类或者函数就会跳转
（2）查看类实例对象初始化或者函数调用时需要什么参数：鼠标放在括号内，点击ctrl+P，灰色可以省略，self省略，固定值省略
（3）查看红色下划曲线出了什么错误：Alt+Enter ,一般会有解决方法
（4）Ctrl+C：退出terminal
2、类内方法
（1）初始化方法__init__(self，）：在创建实例对象时调用，传递对象的参数给类，类内函数间局部变量不能互相传递，但是__init__（）中创建的self.**变量可以，所以把对象传递过来的外部变量赋值给self.**变量，就可以在类内其他函数中使用
（2）内置方法__***__()：不能被外部引用的方法，由实例对象(方法所需参数)/实例对象[索引]直接调用
（3）共有方法：实例对象.方法名(参数)调用
3、函数功能查看
（1）找到函数对应的官方文档解释（按住ctrl键，点击即可进入）
（2）关注输入和输出类型
（3）关注各个方法需要什么参数（初始化方法__init__（）、内置方法__***__()，公共方法***()）
（4）不知道函数返回值的时候：1）直接打印：print( ) 2） 打印类型：print(type( )) 打印大小：print(**.size) 3)debug
5765
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
