pytorch 中transforms的使用詳解

2022-06-06 14:02:29

transforms

按住Ctrl檢視transforms的原始碼可以知道，transforms就是一個python檔案，裡面定義了很多類，每一個類都是一個工具
在結構那裡，可以看到有很多的類

ToTensor

Convert a PIL Image or numpy.ndarray to tensor. This transform does not support torchscript

通過ToTensor來學習transforms如何使用以及為什麼使用tensor資料型別

transforms使用

transforms裡面每一個類都可以看成是一個模具，我們可以用裡面的模具做出一個具體的工具，如何用這個具體的工具來實現具體的功能

比如ToTensor的使用:

from torchvision import transforms
from PIL import Image

img_path = "data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

tensor_trans = transforms.ToTensor()#模具（也就是這個類的物件）
tensor_img = tensor_trans(img)#實現ToTensor的功能，將一個input（PIL Image）轉化成tensor

print(tensor_img)

為什麼需要tensor資料型別呢？

在使用tensorboard裡面常用的add_image時，裡面的第二個引數是圖片的資料型別，這個資料型別，可以是torch.Tensor, numpy.array, or string/blobname，上一篇部落格用的是numpy.array，這裡，其實可以直接得到tensor型別後直接用

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

img_path = "data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)

writer = SummaryWriter("logs")
writer.add_image("Tensor_image", tensor_img)

writer.close()

常見的transforms

內建方法call()

可以發現基本上transforms裡面的每一個類都有一個內建方法__call__()，這個方法和普通的方法的區別其實就是，普通方法一般是類的物件通過.的方式呼叫，但是call函數不需要，可以直接用物件加括號的形式呼叫

一個Person類，內建方法__call__和hello都有一個引數name，然後兩個方法都輸出name，一個通過person(“”)形式呼叫，一個通過person.hello(“”)呼叫

Normalize

Normalize a tensor image with mean and standard deviation.

這個方法進行歸一化的時候，傳入的引數是有兩個列表一個是均值，一個是標準差，每個列表的n表示維度，是根據輸入的channel數量決定的，比如我們的圖片是rgb那n=3，它能將每個通道的輸入進行歸一化

根據公式可以知道計算的結果其實就是

程式碼範例：

from PIL import Image
from torchvision import transforms

img_path = "data/train/ants_image/0013035.jpg"
img = Image.open(img_path)

trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor)
print(img_norm[0][0][0])

writer = SummaryWriter("logs")
writer.add_image("Normalize", img_norm)

writer.close()

輸出：

tensor(0.3137)
tensor(-0.3725)

Resize

Resize the input image to the given size

引數：
可以給一個（H,W）這樣的引數，改變圖片的大小，也可以指定一個int，改變長和寬的比例

程式碼範例

print(img.size)
trans_resize = transforms.Resize((512, 512))
img_resize = trans_resize(img)# 引數和返回值都是 img PIL
print(img_resize)

輸出結果：

變成了正方形

Compose

Composes several transforms together. This transform does not support torchscript.

可以將第一種型別轉化為第二種，引數一的型別做輸入，引數二的型別做輸出，輸入一定要對應，不然就會報錯