torchvisionの人気の数のコンピュータビジョンを含むPyTorchフレームのパケットサービス、データ・セット、ネットワークモデルと共通の画像変換方法は、主に以下の部分から構成:
torchvision.datasets
:一部のデータロード機能と共通のデータ・セット・インターフェイス
torchvision.models
:一般に使用が含まれ(プレトレーニングモデルを含む)モデル構造
torchvision.transforms
:一般的な画像変換、等、クロッピング回転として
torchvision.utils
:他の有用な方法
使用するtorchvision.datasets
インタフェースは、データセットの多くの種類がに渡すことができます得ることができDataLoader
、さらに処理、これらのデータセットの使用は、例えば、MNISTデータセットを使用するための同様のAPI、使用されるプロセスを見ています
インポートパッケージやモジュールが必要:
import torch
import torchvision.transforms as transforms
import torchvision.datasets as dataset
:説明MNIST文書
root
データファイルパスの保存ということ-
train
それがある場合- True
それ以外のテスト・セットを取得、その後、トレーニングセットを取得する
download
- True
直接ロードそして、あなたがダウンロードした場合は、インターネットからデータセットをダウンロードする必要性を表明
transform
-絵いくつかの処理
の例を:
mnist_train_data = datasets.MNIST('../MNIST', train=True, download=True, transform =
tranforms.Compose([
torch.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
]))
画像のtranforms
選択には多くの、必要性があり、彼らが使用することができますtorchvision.tranforms.Compose(transforms)
上記の例のように、一緒に文字列にこれらのアクションを、形式は次のとおりです。
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])
追加する詳細とともに出会いの後。。。
参考: