Pytorch 学习之Transforms

文章目录

Transforms 的使用

py 复制代码
from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

image_path = "data/train/ants_image/0013035.jpg"
img =Image.open(image_path)
print(img)
# 将图片转换为 tensor 类型
tensor_trans=transforms.ToTensor()
tensor_img =tensor_trans(img)

writer.add_image("test",tensor_img)

writer.close()
print(tensor_img)


归一化

py 复制代码
from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

image_path = "data/train/ants_image/0013035.jpg"
img =Image.open(image_path)
print(img)
# 将图片转换为 tensor 类型
tensor_trans=transforms.ToTensor()
tensor_img =tensor_trans(img)
writer.add_image("test",tensor_img)
writer.close()

#Normalize 归一化
print(tensor_img[0][0][0])
trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm=trans_norm(tensor_img)
print(img_norm[0][0][0])
writer.add_image("Normalize",img_norm)
writer.close()

Resize

c 复制代码
from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

image_path = "data/train/ants_image/0013035.jpg"
img =Image.open(image_path)
print(img)
# 将图片转换为 tensor 类型
tensor_trans=transforms.ToTensor()
tensor_img =tensor_trans(img)
writer.add_image("test",tensor_img)
writer.close()

#Normalize 归一化
print(tensor_img[0][0][0])
trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm=trans_norm(tensor_img)
print(img_norm[0][0][0])
writer.add_image("Normalize",img_norm)
writer.close()

#Resize
print(img.size)
trans_size=transforms.Resize((512,512))
img_resize=trans_size(img)
#img_resize PIL ->ToTensor ->img tensor
img_resize=tensor_trans(img_resize)
print(img_resize)
writer.add_image("resize",img_resize,0)
writer.close()

trans_size_2 =transforms.Resize(512)
trans_compose =transforms.Compose([trans_size_2,tensor_trans])
img_resize_2=trans_compose(img)
writer.add_image("Resize",img_resize_2,0)
writer.close()

随机裁剪

c 复制代码
trans_random =transforms.RandomCrop(512)
trans_compose_2 = transforms.Compose([trans_random,tensor_trans])
for i in range(10):
    img_crop=trans_compose_2(img)
    writer.add_image("RandomCrop",img_crop,i)
writer.close()
相关推荐
知秋一叶12315 小时前
Miloco v0.1.6 :米家摄像头清晰度配置 + RTSP 音频传输
人工智能·音视频·智能家居
sali-tec15 小时前
C# 基于OpenCv的视觉工作流-章20-仿射变换
图像处理·人工智能·opencv·算法·计算机视觉
zhangfeng113315 小时前
LLaMA Factory 完全支自定义词库(包括自定义微调数据集、自定义领域词汇/词表)
人工智能·llama
weisian15115 小时前
进阶篇-7-数学篇-6--向量、矩阵、张量在 AI 中的运算与应用:解锁智能的“计算语法”
人工智能·线性代数·矩阵·向量·ai运算
大雷神15 小时前
HarmonyOS智慧农业管理应用开发教程--高高种地--第25篇:学习中心 - 课程详情与学习
学习·华为·harmonyos
阿杰学AI15 小时前
AI核心知识76——大语言模型之RAG 2.0(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·rag·检索增强生成·rag2.0
shangjian00715 小时前
AI-大语言模型LLM-Transformer架构7-模型参数量计算
人工智能·语言模型·transformer
说私域15 小时前
开源链动2+1模式商城小程序在深度分销数字化转型中的应用研究
人工智能·小程序·开源·流量运营·私域运营
weixin_5091383415 小时前
专业书评 | 《智能体认知动力学导论》:当思维有了形状
人工智能·智能体·认知动力学
好奇龙猫15 小时前
【大学院-筆記試験練習:线性代数和数据结构(21)】
学习