标签：torch PIL writer 0.5 transform pytorch transforms import 自带

import os.path
import numpy as np
import torch
import cv2
from PIL import Image
from torch.utils.data import Dataset
import re
from functools import reduce
from torch.utils.tensorboard import SummaryWriter as Writer
from torchvision import transforms
import torchvision as tv
t1=transforms.ToTensor()
#中心裁剪
t2=transforms.CenterCrop(300)
#原来的0-1最小值0则变成(0-0.5)/0.5=-1，而最大值1则变成(1-0.5)/0.5=1.
t3=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
#传入tensor，输出tensor；传入PIL，输出PIL
t4=transforms.Resize((500,500))
t=transforms.Compose([t1,t2,t3,t4])
#If train=True, creates dataset from training set, otherwise creates from test set.
#数据集下载后为PIL格式：
myDataSet=tv.datasets.CIFAR10(root="./myDataSet",train=True,download=True,transform=t)
#载入日志写入器：
writer=Writer("./myBorderText")
for index,datas in enumerate(myDataSet):
    #存储100张图像：
    if index>10:
        break
    #通道数已转移至第一维：
    writer.add_image("图片中心裁剪处理", img_tensor=datas[0], global_step=index)
writer.close()
#查看命令：tensorboard --logdir=./myBorderText

标签：torch,PIL,writer,0.5,transform,pytorch,transforms,import,自带
来源： https://blog.csdn.net/hh1357102/article/details/123591283

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。