机器学习12:pytorch中transforms的22个方式【转载】
本文转载自博客https://blog.csdn.net/u011995719/article/details/85107009。
本文对transforms.py中的各个预处理方法进行介绍和总结,主要从官方文档中总结而来,官方文档只是将方法陈列,没有归纳总结,这里总结共有四大类,以下为文章目录方便大家索引:
- 二、翻转和旋转——Flip and Rotation
- 三、图像变换
- 9.resize:transforms.Resize
- 10.标准化:transforms.Normalize
- 11.转为tensor:transforms.ToTensor
- 12.填充:transforms.Pad
- 13.修改亮度、对比度和饱和度:transforms.ColorJitter
- 14.转灰度图:transforms.Grayscale
- 15.线性变换:transforms.LinearTransformation()
- 16.仿射变换:transforms.RandomAffine
- 17.依概率p转为灰度图:transforms.RandomGrayscale
- 18.将数据转换为PILImage:transforms.ToPILImage
- 19.transforms.Lambda
- 四、对transforms操作,使数据增强更灵活
一、 裁剪——Crop
1.随机裁剪:transforms.RandomCrop
class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode=‘constant’)
功能:依据给定的size随机裁剪。
参数:(1)size (sequence or int):若为sequence,则为(h,w),若为int,则(size,size)。
(2)padding(sequence or int, optional):此参数是设置填充多少个pixel。
当为int时,图像上下左右均填充int个,例如padding=4,则上下左右均填充4个pixel,若为(32,32),则会变成(40,40);当为sequence时,若有2个数,则第一个数表示左右扩充多少,第二个数表示上下的。当有4个数时,则为左,上,右,下。
(3)fill (int or tuple) :填充的值是什么(仅当填充模式为constant时有用)。当为int时,各通道均填充该值;当为长度为3的tuple时,表示RGB通道需要填充的值。
(4)padding_mode 填充模式:这里提供了4种填充模式,1.constant,常量。2.edge 按照图片边缘的像素值来填充。3.reflect。 4. symmetric。
2.中心裁剪:transforms.CenterCrop
class torchvision.transforms.CenterCrop(size)
功能:依据给定的size从中心裁剪。
参数:(1)size (sequence or int):若为sequence,则为(h,w);若为int,则(size,size)。
3.随机长宽比裁剪 transforms.RandomResizedCrop
class torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)
功能:随机大小,随机长宽比裁剪原始图片,最后将图片resize到设定好的size。
参数:(1)size: 输出的分辨率.
(2)scale: 随机crop的大小区间,如scale=(0.08, 1.0),表示随机crop出来的图片会在的0.08倍至1倍之间。
(3)ratio: 随机长宽比设置。
(4)interpolation:插值的方法,默认为双线性插值(PIL.Image.BILINEAR)。
4.上下左右中心裁剪:transforms.FiveCrop
class torchvision.transforms.FiveCrop(size)
功能:对图片进行上下左右以及中心裁剪,获得5张图片,返回一个4D-tensor。
参数:(1)size (sequence or int):若为sequence,则为(h,w),若为int,则(size,size)。
5.上下左右中心裁剪后翻转: transforms.TenCrop
class torchvision.transforms.TenCrop(size, vertical_flip=False)
功能:对图片进行上下左右以及中心裁剪,然后全部翻转(水平或者垂直),获得10张图片,返回一个4D-tensor。
参数:(1)size (sequence or int):若为sequence,则为(h,w),若为int,则(size,size)。
(2) vertical_flip (bool) :是否垂直翻转,默认为flase,即默认为水平翻转。
二、翻转和旋转——Flip and Rotation
6.依概率p水平翻转transforms.RandomHorizontalFlip
class torchvision.transforms.RandomHorizontalFlip(p=0.5)
功能:依据概率p对PIL图片进行水平翻转。
参数:(1)p 概率:默认值为0.5。
7.依概率p垂直翻转transforms.RandomVerticalFlip
class torchvision.transforms.RandomVerticalFlip(p=0.5)
功能:依据概率p对PIL图片进行垂直翻转。
参数:(1)p 概率:默认值为0.5。
8.随机旋转:transforms.RandomRotation
class torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)
功能:依degrees随机旋转一定角度
参数:(1)degress(sequence or float or int) :若为单个数,如 30,则表示在(-30,+30)之间随机旋转;若为sequence,如(30,60),则表示在30-60度之间随机旋转。
(2)resample:重采样方法选择,可选 PIL.Image.NEAREST、PIL.Image.BILINEAR、 PIL.Image.BICUBIC,默认为最近邻。
(3)center: 可选为中心旋转还是左上角旋转。
三、图像变换
9.resize:transforms.Resize
class torchvision.transforms.Resize(size, interpolation=2)
功能:重置图像分辨率。
参数:(1)size: 如果size为int,如果h>w,图像将缩放为 (size * height / width, size),所以建议size设定为h*w。
(2)interpolation:插值方法选择,默认为PIL.Image.BILINEAR。
10.标准化:transforms.Normalize
class torchvision.transforms.Normalize(mean, std)
功能:对数据按通道进行标准化,即先减均值,再除以标准差。
11.转为tensor:transforms.ToTensor
class torchvision.transforms.ToTensor
功能:将PIL Image或者 ndarray 转换为tensor,并且归一化至[0-1]。
注意事项:归一化至[0-1]是直接除以255,若自己的ndarray数据尺度有变化,则需要自行修改。
12.填充:transforms.Pad
class torchvision.transforms.Pad(padding, fill=0, padding_mode=‘constant’)
功能:对图像进行填充。
参数:(1)padding(sequence or int, optional):此参数是设置填充多少个pixel。
当为int时,图像上下左右均填充int个,例如padding=4,则上下左右均填充4个pixel,若为3232,则会变成4040;当为sequence时,若有2个数,则第一个数表示左右扩充多少,第二个数表示上下的。当有4个数时,则为左,上,右,下。
(2)fill (int or tuple) :填充的值是什么(仅当填充模式为constant时有用)。int时,各通道均填充该值;当长度为3的tuple时,表示RGB通道需要填充的值。
(3)padding_mode 填充模式:这里提供了4种填充模式,1.constant,常量。2.edge ,按照图片边缘的像素值来填充。3.reflect。 4. symmetric。
13.修改亮度、对比度和饱和度:transforms.ColorJitter
class torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
功能:修改修改亮度、对比度和饱和度。
14.转灰度图:transforms.Grayscale
class torchvision.transforms.Grayscale(num_output_channels=1)
功能:将图片转换为灰度图。
参数:(1)num_output_channels (int) :当为1时,正常的灰度图;当为3时,则3通道 r == g == b。
15.线性变换:transforms.LinearTransformation()
class torchvision.transforms.LinearTransformation(transformation_matrix)
功能:对矩阵做线性变化,可用于白化处理。
参数:(1)transformation_matrix (Tensor) : tensor [D x D], D = C x H x W。
16.仿射变换:transforms.RandomAffine
class torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)
功能:仿射变换。
17.依概率p转为灰度图:transforms.RandomGrayscale
class torchvision.transforms.RandomGrayscale(p=0.1)
功能:依概率p将图片转换为灰度图,若通道数为3,则3通道 r == g == b。
18.将数据转换为PILImage:transforms.ToPILImage
class torchvision.transforms.ToPILImage(mode=None)
功能:将tensor 或者 ndarray的数据转换为 PIL Image 类型数据。
参数:(1)mode:为None时,为1通道; mode=3通道默认转换为RGB;4通道默认转换为RGBA。
19.transforms.Lambda
暂不了解,待补充。
四、对transforms操作,使数据增强更灵活
PyTorch不仅可设置对图片的操作,还可以对这些操作进行随机选择、组合。
20.transforms.RandomChoice(transforms)
功能:从给定的一系列transforms中随机选取一个进行操作。
21.transforms.RandomApply(transforms, p=0.5)
功能:给一个transform加上概率,以一定的概率执行该操作。
22.transforms.RandomOrder
功能:将transforms中的操作顺序随机打乱。