Transforms的学习以及地址问题

一、地址问题

在学习Dataset类的实战与Tensboard的学习中，有出现一些地址的问题：

1、相对地址

相对地址的使用：

使用于在从端口中，打开TensorBoard的页面。使用的就是相对地址；例如：

tensorboard --logdir=learningplan1/logs --port=6007

但是在pycharm中，对图片的读取，例如下述代码：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
# writer的使用
# 创建实例
writer = SummaryWriter("logs")
image_path = "D:/test pytorch/train/ants_image/6240329_72c01e663e.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)# 存储位置在logs
# 使用如下的两种方法
writer.add_image("train", img_array, 1, dataformats='HWC')# 标量
for i in range(100):writer.add_scalar("y = x", 3*i, i)writer.close()

其中的image_path使用的就是绝对地址，如果不使用绝对地址，则会出现如下的报错：

[errno 2] no such file or directory: 'd:\\test pytorch\\learningplan1\\dataset\\train\\ants_image\\0013035.jpg'

找不到打不开文件，并且报错。

二、transforms的学习

2.1、对图片的读取

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transformsimg_path = "D:/test pytorch/train/ants_image/0013035.jpg"
img = Image.open(img_path)Writer = SummaryWriter("logs")tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)Writer.add_image("tensor_img", tensor_img)
Writer.close()

使用终端来查看：

tensorboard --logdir=learningplan1/logs

结果：

2.2、Totensor的学习：

# totensor的使用
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
writer.add_image("Totensor", img_tensor)

实现将图片转换为tensor型

2.3、归一化的使用

# Normalize
print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.7, 0.7, 0.7], [0.7, 0.7, 0.7])
img_norm = trans_norm(img_tensor)
print(img_norm[0][0][0])
writer.add_image("Normalize", img_norm, 2)
writer.close()

实现的效果：

读取到的图片转化为Tensor类型；

[0.3，0.3，0.3]的参数：

[0.5，0.5，0.5]参数：

[0.7，0.7，0.7]参数：

归一化的作用，改变模型参数，使得模型呈现出不同的形态。

2.4 Resize()的使用

# compose resize_2
trans_resize_2 = transforms.Resize(512)
# PIL - PIL - tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Resize", img_resize_2, 1)

2.5 图片的随机裁剪：

trans_random = transforms.RandomCrop([512,1000]) # 长500.宽1000
trans_compose_2=transforms.Compose([trans_random, trans_totensor])# 需要的是数组
for i in range(10):img_crop = trans_compose_2(img) writer.add_image("RandpomCrop", img_crop, i) #展示在tensorboard中

实现的效果：