目录
torchvision.transforms.Compose(transforms)
torchvision.transforms.Scale(size, interpolation=2)
torchvision.transforms.CenterCrop(size)
torchvision.transforms.RandomCrop(size, padding=0)
torchvision.transforms.RandomHorizontalFlip
torchvision.transforms.RandomSizedCrop(size, interpolation=2)
torchvision.transforms.Pad(padding, fill=0)
torchvision.transforms.Normalize(mean, std)
torchvision.transforms.ToTensor
torchvision.transforms.ToPILImage
torchvision.transforms.Lambda(lambd)
1.数据加载
数据集对象抽象成Dataset类，实现自定义的数据集需要继承Dataset。
- __getitem__：返回一个数据和一个样本。obj[index]等价成obj.__getitem__(index)。
- __len__：返回样本数量。len[obj]等价成obj.__len__()。
以猫狗大战为例，数据加载代码为：
import torch as t
from torch.utils import data
import os
from PIL import Image
import numpy as np
class DogCat( data.Dataste ):
def __init__( self, root ):
imgs = os.listdir( root )
# 所有图像的绝对路径
# 这里不实际加载图像，只是指定路径
# 只有调用__getitem__()才真正的调用图像
self.imgs = [ os.path.join( root, img) for img in imgs ]
def __getitem__( self, index):
img_path = self.imgs[ index ]
# dog -> 1, cat -> 0
label = 1 if 'dog' in range img_path.split('/')[-1] else 0
pil_img = Image.open( img_path)
array = np.asarray(pil_img)
data = t.from_numpy(array)
return data, label
def __len__(self):
return len(self, imgs)
具体调用方式：
dataset = DogCat( './path_to_dataset' )
img, label = dataset[0]
for img, label in dataste:
print( img.size(), img.float().mean(), label )2.数据预处理
torchvision.transforms模块对PIL Image 和tensor进行处理的操作：
将多个transform组合起来使用。
transforms： 由transform构成的列表。 如果要对图片进行多个操作，可通过‘Compose’函数将这些操作拼接起来，类似于`nn.Sequential`。注意，这些操作定义后是以函数的形式存在，真正使用时需调用它的‘__call__’方法，这点类似于‘nn.Module’。例如要将图片调整为224* 224，首先应构建这个操作 trans = Scale((224, 224))，然后调用 trans(img) 例子：
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])-
torchvision.transforms.Scale(size, interpolation=2)
将输入的`PIL.Image`重新改变大小成给定的`size`，`size`是最小边的边长。举个例子，如果原图的`height>width`,那么改变大小后的图片大小是`(size*height/width, size)`。
from torchvision import transforms
from PIL import Image
crop = transforms.Scale(12)
img = Image.open('test.jpg')
print(type(img))
print(img.size)
croped_img=crop(img)
print(type(croped_img))
print(croped_img.size)
输出：
< 'PIL.PngImagePlugin.PngImageFile'>
(10, 10)
< 'PIL.Image.Image'>
(12, 12)将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。
切割中心点的位置随机选取。size可以是tuple也可以是Integer。
随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。
先将给定的PIL.Image随机切，然后再resize成给定的size大小。
将给定的PIL.Image的所有边用给定的pad value填充。 padding：要填充多少像素 fill：用什么值填充 例子：
from torchvision import transforms
from PIL import Image
padding_img = transforms.Pad(padding=10, fill=0)
img = Image.open('test.jpg')
print(type(img))
print(img.size)
padded_img=padding(img)
print(type(padded_img))
print(padded_img.size)#输出：
<'PIL.PngImagePlugin.PngImageFile'>
(10, 10)
<'PIL.Image.Image'>
(30, 30)
#由于上下左右都要填充10个像素，所以填充后的size是(30,30)torchvision.transforms.Normalize(mean, std)
给定均值：(R,G,B) 方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。
torchvision.transforms.ToTensor
把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor
data = np.random.randint(0, 255, size=300)
img = data.reshape(10,10,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img)
# 转换成tensor
print(img_tensor)torchvision.transforms.ToPILImage
将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。
torchvision.transforms.Lambda(lambd)
使用lambd作为转换器。例如，如若对PIL Image 进行随机旋转，则可以写成：trans = T.Lambda( lambda img : img.rotate(random() * 360 ))
未完待续。。。有空再写
个人笔记，有错望指出，感激不尽。