常见的Transforms（一）Compose & Normalize

一、常见的transforms

其实就是更好的使用transform中各种各样的类

1.1 不同的类有不同的作用

• 观察输入
• 输出
• 作用

1.2 数据类型的转换

• PIL转换为Totensor类型的 使用transforms
• array矩阵的，通过opencv类型转换

二、Compose类

2.1 源码

学习它的3个内置函数

lass Compose(object):
    """Composes several transforms together.

    Args:
        transforms (list of ``Transform`` objects): list of transforms to compose.

    Example:
        >>> transforms.Compose([
        >>>     transforms.CenterCrop(10),
        >>>     transforms.ToTensor(),
        >>> ])
    """

过程

1. 把不同的transforms组合起来
2. 通过CenterCrop(10)进行中心裁剪
3. 通过totensor进行输出

2.2 学习python中__call__的用法

代码

比较

• call的方式可以直接使用对象+括号的方式进行调用
• 自定义的方法可以通过对象+.的方式进行调用

输出结果

内置call可以直接用对象名()的方式调用

2.3 小技巧

不用记

直接用Ctrl+P根据提示调用内置CALL来完成操作

ide可以更好的提示，先这样理解，其他交给时间

三、ToTensor

3.1 代码

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms  # 导入的transforms是一个py文件

# 打开一张图片
img = Image.open('Images/pytorch_logo.png')
print('img的数据类型是：' + str(type(img)))
print(img)

# 使用transforms中的totensor
trans_tensor = transforms.ToTensor()
img_tensor = trans_tensor(img)

# 使用tensorboadr将图片进行输出
# 1. 创建好summarywriter
writer = SummaryWriter('logs')
# 2. 使用writer添加新图像
writer.add_image('ToTensor', img_tensor)
# 3. 使用完毕后要关闭writer
writer.close()

3.2 结果

四、Normalize的使用

归一化

4.1 源码

class Normalize(object):
    """Normalize a tensor image with mean and standard deviation.
    Given mean: ``(M1,...,Mn)`` and std: ``(S1,..,Sn)`` for ``n`` channels, this transform
    will normalize each channel of the input ``torch.*Tensor`` i.e.
    ``input[channel] = (input[channel] - mean[channel]) / std[channel]``

    .. note::
        This transform acts out of place, i.e., it does not mutates the input tensor.

    Args:
        mean (sequence): Sequence of means for each channel.
        std (sequence): Sequence of standard deviations for each channel.
        inplace(bool,optional): Bool to make this operation in-place.

    """

4.2 代码

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms  # 导入的transforms是一个py文件

# 打开一张图片
img = Image.open('Images/pytorch_logo.png')
print('img的数据类型是：' + str(type(img)))
print(img)

# 使用transforms中的totensor进行totensor处理
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

# 使用tensorboard将图片进行输出
# 1. 创建好SummaryWriter
writer = SummaryWriter('logs')
# 2. 使用writer添加新图像
writer.add_image('ToTensor', img_tensor)

# Normalize归一化
# 归一化之前图片像素的值
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)
# 输出归一化后的像素的第一层第一行第一列的数值
print(img_norm[0][0][0])
writer.add_image('Normalize', img_norm)

# 3. 使用完毕后要关闭writer
writer.close()

4.3 归一化的公式

input[channel] = (input[channel] - mean[channel]) / std[channel]

我们这里让均值和标准差都是0.5

4.4 结果

无法正常运行

专业英语

• occurence 已经发生的东西