标签：torchvision 填充 sequence int pytorch transforms 模块 预处理 size
transforms是pytorch中常用的图像预处理方法，这个在torchvision计算机视觉工具包中。在安装pytorch时顺便安装了torchvision，在torchvision中，有三个主要的模块：
● torchvision.transforms:常用的图像预处理方法，比如：标准化、中心化、旋转、翻转等；
● torchvision.datasets:常用的数据集的dataset实现，例如：MNIST、CIFAR-10、ImageNet等；
● torchvision.models:常用的预训练模型，AlexNet、VGG、ResNet等。
下面来详细了解一下transforms中图像预处理方法：
一、裁剪 —— Crop
1、随机裁剪：transforms.RandomCrop
transforms.RandomCrop(
size,
padding=None,
pad_if_needed=False,
fill=0,
padding_mode='constant',
)
功能：根据给定的size进行随机裁剪
参数：
size-（sequence or int）：若为sequence，则为（h， w），若为int，则为（int， int）
padding - （int or sequence, optional）：此参数是设置填充多少个pixel；
若为int，表示图像上下左右均填充int个pixel，例如padding=4，表示图像上下左右均填充4个pixel，若为32×32，则图像填充后为40×40；
若为sequence，若为2个数，第一个数表示左右填充多少，第二个数表示上下填充多少；当有四个数时表示左、上、右、下
fill：表示需要填充的值，默认为0.当值为int时，表示各通道均填充该值，当值为3时，表示RGB三个通道各需要填充的值；
padding_mode：填充模式，有4中填充模式：1、constant：常数填充；2、edge：图像的边缘值填充；3、reflect；4、symmetric
2、中心裁剪transforms.CenterCrop
torchvision.transforms.CenterCrop(size)
功能：依据给定的参数进行裁剪；
参数：
size：若为sequence，则为（h, w）, 若为int， 则为（int， int）
3、随机长宽比裁剪transforms.RandomResizedCrop()
torchvision.transforms.RandomResizedCrop(
size,
scale=(0.08, 1.0),
ratio=(0.75, 1.3333333333333333),
interpolation=2,
)
功能：随机大小，随机长宽比裁剪原始图片，最后将图片 resize 到设定好的 size
参数：
size- 输出的分辨率
scale- 随机 crop 的大小区间，如 scale=(0.08, 1.0)，表示随机 crop 出来的图片会在的 0.08
倍至 1 倍之间。
ratio- 随机长宽比设置
interpolation- 插值的方法，默认为双线性插值(PIL.Image.BILINEAR)
4、上下左右中心裁剪transforms.FiveCrop()
torchvision.transforms.FiveCrop(size)
功能：对图片进行上下左右以及中心裁剪，获得 5 张图片，返回一个 4D-tensor
参数：
size- (sequence or int)，若为 sequence,则为(h,w)，若为 int，则(size,size)
5、上下左右中心裁剪后翻转transforms.TenCrop()
torchvision.transforms.TenCrop(size, vertical_flip=False)
功能：对图片进行上下左右以及中心裁剪，然后全部翻转（水平或者垂直），获得 10 张图
片，返回一个 4D-tensor。
参数：
size- (sequence or int)，若为 sequence,则为(h,w)，若为 int，则(size,size)
vertical_flip (bool) - 是否垂直翻转，默认为 flase，即默认为水平翻转
二、翻转和旋转——Flip and Rotation
1、依概率p进行水平翻转：transforms.RandomHorizontalFlip
torchvision.transforms.RandomHorizontalFlip(p=0.5)
功能：依据概率 p 对 PIL 图片进行水平翻转
参数：
p- 概率，默认值为 0.5
2、依概率p垂直翻转：transforms.RandomVerticalFlip
torchvision.transforms.RandomVerticalFlip(p=0.5)
功能：依据概率 p 对 PIL 图片进行垂直翻转
参数：
p- 概率，默认值为 0.5
3、随机旋转：transforms.RandomRotation
torchvision.transforms.RandomRotation(degrees, resample=False,
expand=False, center=None)
功能：依 degrees 随机旋转一定角度
参数：
degress- (sequence or float or int) ，若为单个数，如 30，则表示在（-30，+30）之间随机旋转；若为sequence，如(30，60)，则表示在 30-60 度之间随机旋转；
resample- 重采样方法选择，可选
PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC，默认为最近邻
三、图像变换
1、resize：transforms.Resize()
torchvision.transforms.Resize(size, interpolation=2)
功能：重置图像分辨率
参数：
size- If size is an int, if height > width, then image will be rescaled to (size * height / width,
size)，所以建议 size 设定为 h*w
interpolation- 插值方法选择，默认为 PIL.Image.BILINEAR
2、标准化：transforms.Normalize
torchvision.transforms.Normalize(mean, std)
功能：对数据按通道进行标准化，即先减均值，再除以标准差，注意是 hwc
3、转化为Tensor:transforms.ToTensor
torchvision.transforms.ToTensor()
功能：将 PIL Image 或者 ndarray 转换为 tensor，并且归一化至[0-1]
注意事项：归一化至[0-1]是直接除以 255，若自己的 ndarray 数据尺度有变化，则需要自行
修改。
4、填充：transforms.Pad
torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')
功能：对图像进行填充
参数：
padding-(sequence or int, optional)，此参数是设置填充多少个 pixel。当为 int 时，图像上下左右均填充 int 个，例如 padding=4，则上下左右均填充 4 个 pixel，若为 3232，则会变成 4040。
5、修改亮度、对比度和饱和度：transforms.ColorJitter
torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
功能：修改修改亮度、对比度和饱和度
6、转灰度图：transforms.Grayscale
torchvision.transforms.Grayscale(num_output_channels=1)
功能：将图片转换为灰度图
参数：
num_output_channels- (int) ，当为 1 时，正常的灰度图，当为 3 时， 3 channel with r == g == b
7、线性变换：transforms.LinearTransformation()
torchvision.transforms.LinearTransformation(transformation_matrix)
8、仿射变换：transforms.RandomAffine()
torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)
9、依概率p转化为灰度图：transforms.RandomGrayscale
torchvision.transforms.RandomGrayscale(p=0.1)
功能：依概率 p 将图片转换为灰度图，若通道数为 3，则 3 channel with r == g == b
10、将数据转化为PILImage：transforms.ToPILImage
torchvision.transforms.ToPILImage(mode=None)
功能：将 tensor 或者 ndarray 的数据转换为 PIL Image 类型数据
参数：
mode- 为 None 时，为 1 通道， mode=3 通道默认转换为 RGB，4 通道默认转换为 RGBA
四、对transforms 操作，使数据增强更灵活
1.transforms.RandomChoice(transforms)
功能：从给定的一系列 transforms 中选一个进行操作，randomly picked from a list
2.transforms.RandomApply(transforms, p=0.5)
功能：给一个 transform 加上概率，以一定的概率执行该操作
3.transforms.RandomOrder
功能：将 transforms 中的操作顺序随机打乱
五、在二分类任务中用到的transforms方法及实现过程
在人民币二分类任务中，对数据的预处理中用到的transforms方法如下：
train_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.RandomCrop(32, padding=4),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
valid_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
其中transforms.Compose方法时将一系列的transforms方法进行有序组合包装，具体实现的时候依次用包装的方法对图像进行预处理。
调试代码可以查看一下transforms的调用机制：
进入transforms.py文件中，在__call__里面是一系列数据预处理方法
step into 可以看到transforms的预处理方法其实是调用torch.nn.function中的预处理方法的
其余方法类似。（可debug看一下详细的实现过程）
总结：pytorch的图像预处理模块transforms，集成了各种图像预处理方法，在实际应用中要根据需要选择合适的预处理方法，另外要注意训练集和测试集选择预处理方法的不同。
标签：torchvision,填充,sequence,int,pytorch,transforms,模块,预处理,size 来源： https://blog.csdn.net/Dear_learner/article/details/122833047
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。