【pytorch】torchvision.transforms 图像的变换详解；图像的预处理；数据增强

学渣渣渣渣渣

已于 2022-10-25 19:51:10 修改

阅读量2w

点赞数 3

CC 4.0 BY-SA版权

分类专栏： pytorch pytorch入门到精通文章标签：深度学习 opencv

于 2020-09-20 17:58:34 首次发布

本文链接：https://blog.csdn.net/weixin_42468475/article/details/108687700

pytorch入门到精通同时被 2 个专栏收录

26 篇文章 ¥19.90 ¥99.00

订阅专栏

pytorch

34 篇文章

订阅专栏

本文详细介绍了torchvision.transforms包中的图像变换方法，包括ToTensor(), Normalize, RandomRotation, Resize, RandomCrop, RandomResizedCrop, RandomHorizontalFlip及CenterCrop等，这些方法常用于图像预处理和数据增强。特别强调了在数据归一化前需将PIL Image转换为Tensor。同时，展示了如何将这些变换组合应用于模型中。" 111625565,10295400,Python全局与局部变量详解,"['Python编程', '变量管理', '编程基础']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

torchvision.transforms是包含一系列常用图像变换方法的包，可用于图像预处理、数据增强等工作，但是注意它更适合于classification等对数据增强后无需改变图像的label的情况，对于Segmentation等对图像增强时需要同步改变label的情况可能不太实用，需要自己重新封装一下。

官方文档：https://pytorch.org/docs/stable/torchvision/transforms.html

1 torchvision.transforms下的具体操作

先来了解一下几个东西

1.1 ToTensor()

torchvision.transforms.ToTensor()
Convert a PIL Image or numpy.ndarray to tensor.

Converts a PIL Image or numpy.ndarray (H x W x C)（注意C(channel)的位置） in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0] if t

了解本专栏