transforms.Compose()函數(shù)的使用

torchvision.transforms是pytorch中的圖像預處理包。

一般用Compose把多個步驟整合到一起：

比如說：

transforms.Compose([
    transforms.CenterCrop(10),
    transforms.ToTensor(),
])

這樣就把兩個步驟整合到了一起。

介紹transforms中的函數(shù)

備注：Python圖像庫PIL(Python Image Library)是python的第三方圖像處理庫，但是由于其強大的功能與眾多的使用人數(shù)，幾乎已經被認為是python官方圖像處理庫了。

實例

經?？吹?/p>

transform.ToTensor(),
transform.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))

那transform.Normalize()是怎么工作的呢？以上面代碼為例，

• ToTensor()能夠把灰度范圍從0-255變換到0-1之間，
• 而后面的transform.Normalize()則把0-1變換到(-1,1).

具體地說，對每個通道而言，Normalize執(zhí)行以下操作：image=(image-mean)/std其中mean和std分別通過(0.5,0.5,0.5)和(0.5,0.5,0.5)進行指定。

原來的0-1最小值0則變成(0-0.5)/0.5=-1，而最大值1則變成(1-0.5)/0.5=1. 

transforms.Compose()類詳解：串聯(lián)多個transform操作

torchvision是pytorch的一個圖形庫，它服務于PyTorch深度學習框架的，主要用來構建計算機視覺模型。torchvision.transforms主要是用于常見的一些圖形變換。

以下是torchvision的構成：

• torchvision.datasets: 一些加載數(shù)據(jù)的函數(shù)及常用的數(shù)據(jù)集接口；
• torchvision.models: 包含常用的模型結構（含預訓練模型），例如AlexNet、VGG、ResNet等；
• torchvision.transforms: 常用的圖片變換，例如裁剪、旋轉等；
• torchvision.utils: 其他的一些有用的方法。

本文的主題是其中的torchvision.transforms.Compose()類。

這個類的主要作用是串聯(lián)多個圖片變換的操作。

這個類的構造很簡單：

class torchvision.transforms.Compose(transforms):
 # Composes several transforms together.
 # Parameters: transforms (list of Transform objects) – list of transforms to compose.
Example # 可以看出Compose里面的參數(shù)實際上就是個列表，而這個列表里面的元素就是你想要執(zhí)行的transform操作。
>>> transforms.Compose([
>>>     transforms.CenterCrop(10),
>>>     transforms.ToTensor(),])

事實上，Compose()類會將transforms列表里面的transform操作進行遍歷。

實現(xiàn)的代碼很簡單：

## 這里對源碼進行了部分截取。
def __call__(self, img):
	for t in self.transforms:	
		img = t(img)
    return img

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論