pytorch如何對image和label同時(shí)進(jìn)行隨機(jī)翻轉(zhuǎn)
更新時(shí)間：2023年09月09日 11:38:29 作者：叫我小二吧
這篇文章主要介紹了pytorch如何對image和label同時(shí)進(jìn)行隨機(jī)翻轉(zhuǎn)問題,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
pytorch對image和label同時(shí)進(jìn)行隨機(jī)翻轉(zhuǎn)
在使用pytorch進(jìn)行數(shù)據(jù)增廣時(shí)碰到一個(gè)坑，對image和label分別進(jìn)行增廣，網(wǎng)絡(luò)訓(xùn)練結(jié)果一直很差，查了很久才找到，原來分別image和label進(jìn)行隨機(jī)翻轉(zhuǎn)操作時(shí)，是不同步的，記錄之，防止以后再犯。
所以在對數(shù)據(jù)進(jìn)行隨機(jī)增廣操作時(shí)，需要指定的參數(shù)，
代碼如下：
image_path = '/home/org/19.bmp'
label_path = '/home/mask/19.png'
image = Image.open(image_path)
print(image.size)
label = Image.open(label_path)
plt.figure()
plt.subplot(2, 2, 1)
plt.imshow(image)
plt.subplot(2, 2, 2)
plt.imshow(label)
p = np.random.choice([0, 1])#在0，1二者中隨機(jī)取一個(gè)，
print(p)
transform = transforms.Compose([
transforms.RandomHorizontalFlip(p),#指定是否翻轉(zhuǎn)
transforms.ToTensor()
])
img = transform(image)
lab = transform(label)
unloader = transforms.ToPILImage()
img = unloader(img)
lab = unloader(lab)
# print(img.shape)
plt.subplot(2, 2, 3)
plt.imshow(img)
plt.subplot(2, 2, 4)
plt.imshow(lab)
plt.show()結(jié)果如下：
pytorch image to tensor
from PIL import Image
import os.path as osp
import os
from torchvision.transforms import ToTensor
test_path = '../dataset/BSD500/images/test'
images_ls = os.listdir(test_path)
images_all_path = []
for image in images_ls:
s_images_path = osp.join(test_path, image)
images_all_path.append(s_images_path)
# print(images_all_path)
image = Image.open(images_all_path[0]).convert('YCbCr')
# image.show()
# print(image)
y, cb, cr = image.split()
print(y)
print(cb)
print(cr)
# y.show()
# cb.show()
image_to_tensor = ToTensor()
y = image_to_tensor(y)
print(y.shape)總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
利用Python實(shí)現(xiàn)自動生成圖文并茂的數(shù)據(jù)分析
這篇文章主要介紹了利用Python實(shí)現(xiàn)自動生成圖文并茂的數(shù)據(jù)分析，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的朋友可以參考一下2022-08-08
ubuntu16.04升級Python3.5到Python3.7的方法步驟
這篇文章主要介紹了ubuntu16.04升級Python3.5到Python3.7的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
Python使用面向?qū)ο蠓绞絼?chuàng)建線程實(shí)現(xiàn)12306售票系統(tǒng)
目前python 提供了幾種多線程實(shí)現(xiàn)方式 thread，threading，multithreading ,其中thread模塊比較底層，而threading模塊是對thread做了一些包裝，可以更加方便的被使用2015-12-12
python將圖片轉(zhuǎn)base64,實(shí)現(xiàn)前端顯示
今天小編就為大家分享一篇python將圖片轉(zhuǎn)base64,實(shí)現(xiàn)前端顯示，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
這篇文章主要為大家詳細(xì)介紹了一個(gè)Python最簡單的接口自動化框架，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
今天給大家?guī)淼氖顷P(guān)于Python基礎(chǔ)的相關(guān)知識,文章圍繞著Python變量的相關(guān)知識展開,文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06
python3之模塊psutil系統(tǒng)性能信息使用
psutil是個(gè)跨平臺庫，能夠輕松實(shí)現(xiàn)獲取系統(tǒng)運(yùn)行的進(jìn)程和系統(tǒng)利用率，這篇文章主要介紹了python3之模塊psutil系統(tǒng)性能信息使用，感興趣的小伙伴們可以參考一下2018-05-05
這篇文章主要介紹了Python json序列化解讀,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2025-03-03
這篇文章主要介紹了Python3?循環(huán)語句,本文將詳細(xì)介紹Python3中的循環(huán)語句，給出各種循環(huán)的使用示例，以及運(yùn)行結(jié)果的解釋，需要的朋友可以參考下2023-04-04
終于搞懂了Keras中multiloss的對應(yīng)關(guān)系介紹
這篇文章主要介紹了終于搞懂了Keras中multiloss的對應(yīng)關(guān)系介紹,具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06