1
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
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
cv_img=cv2.imread(img_path)
print(type(cv_img))
结果<class 'numpy.ndarray'>
与前面结合
c
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))