动手学深度学习（pytorch土堆）-03Transforms简单入门学习

#include<菜鸡>2024-09-12 14:39

torchvision中的transforms主要是对图片进行一些变换。

transforms结构及用法

将特定格式图片经过transforms里面的工具处理输出预期的图像

Totensor使用

tensor数据类型可以理解为包装了一些反向神经网络所需要的一些参数

PIL_Image读取

c 复制代码

img_path="hymenoptera_data/train/ants/0013035.jpg"
img=Image.open(img_path)
# print(img)
tensor_trans=ToTensor()
tensor_img=tensor_trans(img)#将img图片转换成tensor数据类型的图片
# print(tensor_img)

numpy_ndarray读取

使用opencv读取

c 复制代码

cv_img=cv2.imread(img_path)
print(type(cv_img))

结果<class 'numpy.ndarray'>

与前面结合

c 复制代码

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from torchvision.transforms import ToTensor
import cv2
#通过transforms.ToTensor去看两个问题
#1.transforms该怎么使用
#2.为什么我们需要Tensor数据类型
#绝对路径E:\学习\研究生阶段\python-learning\pytorch\hymenoptera_data\train\ants\0013035.jpg
#相对路径hymenoptera_data/train/ants/0013035.jpg
img_path="hymenoptera_data/train/ants/0013035.jpg"
img=Image.open(img_path)
writer=SummaryWriter("logs")

# print(img)
tensor_trans=ToTensor()
tensor_img=tensor_trans(img)#将img图片转换成tensor数据类型的图片
# print(tensor_img)
writer.add_image("tensor_img",tensor_img)
#tensorboard --logdir=logs
writer.close()

# cv_img=cv2.imread(img_path)
# print(type(cv_img))