Pytorch入门-Transforms

文章目录

Compose
ToTensor
Normalize
Resize

在PyTorch中，transforms是一个用于图像预处理和数据增强的模块，通常与torchvision库一起使用。torchvision提供了大量预先定义的transforms，它们可以方便地应用于图像数据，以进行预处理或增强。这些transforms对于训练和评估机器学习模型（尤其是深度学习模型）非常有用。

python中的call方法
在Python中，__call__ 是一个特殊方法，也被称为“魔法方法”或“双下划线方法”。当一个对象实例被当作函数一样调用时，Python会自动调用该对象的 __call__ 方法。这意味着你可以定义你自己的对象，使其能够被“调用”，就像调用一个函数一样。

class Person:def __call__(self,name):print("__call__"+"Hello"+name)def hello(self,name):print("hello"+name)person = Person()
person("zhangsan")
person.hello("lisi")

class CallableClass:  def __init__(self, value):  self.value = value  def __call__(self, *args, **kwargs):  print(f"Called with {args} and {kwargs}")  return self.value  # 创建一个实例  
obj = CallableClass(42)  # 使用该实例，就像调用一个函数一样  
result = obj(1, 2, 3, a=4, b=5)  print(result)  # 输出: 42

Compose

在PyTorch中，Compose是一个功能强大的工具，它允许你将多个转换（transforms）组合成一个单一的转换序列。这样，你就可以一次性地对数据进行一系列复杂的预处理操作。Compose通常与torchvision.transforms模块一起使用，该模块提供了许多预定义的转换函数。

from torchvision import transforms  # 定义一系列的转换  
transform_sequence = transforms.Compose([  transform1,  transform2,  transform3,  # ...  
])  # 然后你可以将这个转换序列应用于图像  
transformed_image = transform_sequence(image)

from torchvision import transforms  
from PIL import Image  # 加载一张图像  
image = Image.open('path_to_image.jpg')  # 定义转换序列  
transform = transforms.Compose([  transforms.Resize((256, 256)),  # 将图像大小调整为256x256  transforms.CenterCrop(224),     # 从中心裁剪出224x224的区域  transforms.ToTensor(),           # 将PIL图像或NumPy ndarray转换为torch.Tensor  transforms.Normalize(           # 对图像进行标准化  mean=[0.485, 0.456, 0.406], # 使用ImageNet数据集上的RGB通道的均值  std=[0.229, 0.224, 0.225]   # 使用ImageNet数据集上的RGB通道的标准差  )  
])  # 应用转换序列到图像  
transformed_image = transform(image)

在这个例子中，我们首先使用Resize将图像大小调整为256x256，然后使用CenterCrop从中心裁剪出224x224的区域。接着，使用ToTensor将图像转换为PyTorch张量，最后使用Normalize对图像进行标准化处理。所有这些转换都被组合在一起，并通过一次调用transform(image)来应用。

ToTensor

这是transforms源码中的解释

在PyTorch中是一个常用的转换函数，用于将PIL Image或NumPy ndarray转换为torch.Tensor。但是，在转换过程中，它会自动将图像的像素值范围从[0, 255]缩放到[0.0, 1.0]。这通常是因为神经网络的输入通常期望在[0.0, 1.0]范围内。

from PIL import Image
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")
imge_path = "images/OIP.jpg"
imge = Image.open(imge_path)
trans_totensor = transforms.ToTensor()
# 这是就是call函数的调用
imge_tensor = trans_totensor(imge)writer.add_image("ToTensor",imge_tensor)
writer.close()

Normalize

归一化公式：
$\frac{(input[channel] - mean[channel])}{std[channel]}$

from PIL import Image
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")
imge_path = "images/OIP.jpg"
imge = Image.open(imge_path)# ToTensor
trans_totensor = transforms.ToTensor()
imge_tensor = trans_totensor(imge)
writer.add_image("ToTensor", imge_tensor)print(imge_tensor[0][0][0])
# Normalize
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(imge_tensor)
print(img_norm[0][0][0])
writer.add_image("Norm",img_norm)writer.close()

可以看出来归一化的结果还是有些不同的

Resize

# Resize
print(imge.size)
trans_resize = transforms.Resize((512, 512))
img_resize = trans_resize(imge)print(img_resize)
img_resize=trans_totensor(img_resize)
writer.add_image("Resize",img_resize,0)writer.close()