PyTorch深度学习入门笔记（五）Transforms的使用_from torchvision import transforms

课程学习笔记，课程链接
学习笔记同步发布在我的个人网站上，欢迎来访查看。

一、Transforms的使用

torchvision中的transforms主要是对图片进行一些变换。
tranforms对应 tranforms.py 文件，里面定义了很多类，输入一个图片对象，返回经过处理的图片对象。

transforms.py就像一个工具箱，里面定义的各种类就像各种工具，图片就是输入对象，经过工具处理，输出期望的图片结果。

现在通过 transforms.ToTensor去看两个问题：

• 1、transforms该如何使用（python）
• 2、为什么我们需要 Tensor 数据类型
  
  ToTensor功能是将 PIL Image 类型 或者numpy.ndarray类型的图片对象转换为 tensor类型。
  使用Demo：

from torchvision import transforms
from PIL import Image

img_path = "testdata/train/ants_image/6743948_2b8c096dda.jpg"
img = Image.open(img_path)
print(img)
tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)
print(tensor_img)
1
2
3
4
5
6
7
8
9

所以使用transforms的方法就是 先实例化选中的类，然后用实例化的对象去处理图片就行。

二、Tensor数据类型

将第一节中的代码复制到 python 控制台，回车，可在右侧看到各种变量和对象的具体信息：

tensor 数据类型可以理解为包装了反向神经网络一些理论基础参数。在神经网络中，要将数据先转换为Tensor类型，再进行训练。
测试代码：

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
from PIL import Image

img_path = "testdata/train/ants_image/6743948_2b8c096dda.jpg"
img = Image.open(img_path)

writer = SummaryWriter("logs")

tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)

writer.add_image("Tensor_Image",tensor_img)
writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

结果：

三、常见的Transforms

常用的输入图片对象的数据类型

• PIL : Image.open()
• tensor : ToTensor()
• ndarrays: cv.imread()

常用的Transform有：

1. ToTensor() ：将图片对象类型转为 tensor
2. Normalize() ：对图像像素进行归一化计算
3. Resize():重新设置 PIL Image的大小,返回也是PIL Image格式
4. Compose(): 输入为 transforms类型参数的列表，即

Compose([transforms参数1, transforms参数2], ...)
1

目的是将几个 transforms操作打包成一个，比如要先进行大小调整，然后进行归一化计算，返回tensor类型，则可以将 ToTensor、Normalize、Resize，按操作顺序输入到Compose中。
示例代码：

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
import os

root_path = "hymenoptera_data/train/ants"
img_name = "7759525_1363d24e88.jpg"
img_path = os.path.join(root_path,img_name)
img = Image.open(img_path)

writer = SummaryWriter("logs")

# ToTensor
trans_totensor = transforms.ToTensor() # instantiation
img_tensor = trans_totensor(img)
writer.add_image("Tensor", img_tensor)

# Normalize
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)

#Resize
print(img.size)
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img) # return type still is PIL image
img_resize = trans_totensor(img_resize)
writer.add_image("Resize", img_resize)

# Compose - resize -2
trans_resize_2 = transforms.Resize(512)
tran_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize2 = tran_compose(img)
writer.add_image("Compose", img_resize2)

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

结果:

总结

• 关注输入和输出类型
• 多看官方文档
• 关注方法需要什么参数