跟着小土堆学习pytorch（三）——常见transform

文章目录

• 一、Normalize
• 二、Resize
• 三、compose
• 四、RandomCrop
• 五、transform

一、Normalize

把图片进行，归一化
output[channel] = (input[channel] - mean[channel]) / std[channel]

这是Normalize，所使用的公式

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.add_image("Normalize",img_norm)

因为RGB图片是三通道的，所以需要用中括号，在均值、方差处，输入三个参数

二、Resize

如果输入，两个参数，那么直接规定为长和宽，如果只有一个数字，那么就是等比例缩小

print(img.size)
trans_resize transforms.Resize((512,512))
img PIL -resize -img_resize PIL
img_resize trans_resize(img)
img_resize PIL -totensor -img_resize tensor
img_resize trans_totensor(img_resize)
writer.add_image("Resize",img_resize,0)
print(img_resize)

三、compose

Compose（）中的参数需要是一个列表

Python中，列表的表示形式为数据1，数据2，

在Compose中，数据需要是transforms类型,所以得到，Compose([transforms参数1，transforms参数2，.)

# Compose-resize-2
trans_resize_2 = transforms.Resize(512)
# PIL -PIL -tensor
trans_compose transforms.Compose([trans_resize_2,trans_totensor])
img_resize_2 trans_compose(img)
writer.add_image("Resize",img_resize_2,1)

trans_compose transforms.Compose([trans_resize_2,trans_totensor])

着重讲一下这一行

首先明确三点

1. compose的作用就是把transform组合一起，按照前面处理完，再传完下一个
2. Resize对象输入PIL，输出也是PIL
3. totensor对象输入时PIL，输出时tensor
   注意：trans_resize_2,trans_totensor，这是已经把对象实例化了
   所以这一行的代码，是先放入trans_resize_2处理，再放入trans_totensor

四、RandomCrop

嗯，随机裁剪

sequence---序列---()

list---列表----\[\]

tuple---元组

RandomCrop可以输入的是序列

compose输入的是列表

五、transform

听到现在为止，transform就是对图片进行一个预处理的过程

关注几个点

1.输入和输出的数据类型

2.多看官方文档

3.关注方法需要什么参数

不知道返回值或者返回值的类型

print()

print(type())

最后转化为tensor，用torchvision看一下效果