一、概念

Transforms是pytorch的圖像處理工具包，是torchvision模塊下的一個一個類的集合，可以對圖像或數據進行格式變換，裁剪，縮放，旋轉等，在進行深度學習項目時用途很廣泛。下面對Transforms內的常見類的使用進行一個簡單的梳理。

from torchvision import transforms

二、類

2.1 ToTensor

表示將其他圖像數據（PIL Image或者 ndarray）類型轉化為tensor類型，并歸一化至[0-1] 。

trans = transforms.ToTensor() img_tensor = trans(img) tensor([[[0.3137, 0.3137, 0.3137, ..., 0.3176, 0.3098, 0.2980],[0.3176, 0.3176, 0.3176, ..., 0.3176, 0.3098, 0.2980],[0.3216, 0.3216, 0.3216, ..., 0.3137, 0.3098, 0.3020],...,[0.3412, 0.3412, 0.3373, ..., 0.1725, 0.3725, 0.3529],[0.3412, 0.3412, 0.3373, ..., 0.3294, 0.3529, 0.3294],[0.3412, 0.3412, 0.3373, ..., 0.3098, 0.3059, 0.3294]],[[0.5922, 0.5922, 0.5922, ..., 0.5961, 0.5882, 0.5765],[0.5961, 0.5961, 0.5961, ..., 0.5961, 0.5882, 0.5765],[0.6000, 0.6000, 0.6000, ..., 0.5922, 0.5882, 0.5804],...,[0.6275, 0.6275, 0.6235, ..., 0.3608, 0.6196, 0.6157],[0.6275, 0.6275, 0.6235, ..., 0.5765, 0.6275, 0.5961],[0.6275, 0.6275, 0.6235, ..., 0.6275, 0.6235, 0.6314]],[[0.9137, 0.9137, 0.9137, ..., 0.9176, 0.9098, 0.8980],[0.9176, 0.9176, 0.9176, ..., 0.9176, 0.9098, 0.8980],[0.9216, 0.9216, 0.9216, ..., 0.9137, 0.9098, 0.9020],...,[0.9294, 0.9294, 0.9255, ..., 0.5529, 0.9216, 0.8941],[0.9294, 0.9294, 0.9255, ..., 0.8863, 1.0000, 0.9137],[0.9294, 0.9294, 0.9255, ..., 0.9490, 0.9804, 0.9137]]])

2.2 Normalize

表示用平均值和標準偏差歸一化圖像。
按照官方文檔公式： input[channel] = (input[channel] - mean[channel]) / std[channel]；mean: 平均值;std: 標準差。

trans_norm = transforms.Normalize([1, 3, 5], [9, 2, 1]) img_norm = trans_norm(img_tensor)

2.3 ReSize

將PIL圖像數據大小變換為指定大小,其定義為：

class Resize(torch.nn.Module):

一般參數的輸入有兩種方式：
1，指定長寬
2，將圖片短邊縮放至x
舉個例子

trans_resize = transforms.Resize((200, 200)) img_resize = trans_resize(img)

2.4 Compose

可以將多個transform方法組合，按組合順序處理數據。

trans_random = transforms.RandomCrop((400, 400)) trans_compose_2 = transforms.Compose([trans_random, tensor_trans])

2.5 Grayscale

將圖像轉換為灰度圖。

trans_grayscale = transforms.Grayscale(3) img_grayscale = trans_grayscale(img_tensor) 創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的Pytorch基础（二）—— Transforms详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。