P12.常见的transforms（二）

12.1Resize使用

1.Resize使用1_输入的size为sequence

【注：“忽略大小写，进行提示匹配”的设置：一般情况下，你需要输入R，才能提示出Resize；我们想设置，即便你输入的是r，也能提示出Resize，也就是忽略了大小写进行匹配提示】

步骤如下：

（1）对Resize()的官方介绍

up主的pycharm对input类型的要求：PIL类型

我的pycharm对input类型没有要求诶：

（2）代码如下：

点击查看代码

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

img = Image.open("images/myphoto.png")
print(img)
writer = SummaryWriter("logs1")

#ToTensor
#trans_tensor是transforms.ToTensor这个类的实例化，trans_tensor是一个对象
trans_tensor = transforms.ToTensor()
img_tensor = trans_tensor(img)
writer.add_image("ToTensor",img_tensor)

# writer.close()
# #Normalize
# print(img_tensor[0][0][0])
# 
# trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
# img_norm = trans_norm(img_tensor)
# writer.add_image("ToNormalize",img_norm)
# 
# print(img_norm[0][0][0])
# writer.close()


#Resize  -1  输入一个sequence
print(img.size)
trans_resize = transforms.Resize((512,512))

#img_resize = trans_resize(img)   【img:PIL  ->  resize  ->  img_resize:PIL】
#img_resize = trans_tensor(img_resize)  【img_resize:PIL-> ToTensor ->img_resize：tensor(会覆盖掉原来的img_resize)】

img_resize = trans_resize(img_tensor)   #【img:tensor  -> resize  img_resize:tensor】

writer.add_image("Resize",img_resize)

writer.close()

（3）运行结果

①input类型为PIL类型

②input类型为tensor类型

2.Resize_2（size为整数int）使用

①size为sequence例如（h,w）时，输出的size就是该尺寸；②size为int即一个数，输出的图片size就等比例缩放

点击查看代码

#resize -2  输入一个int
trans_resize_2 = transforms.Resize(512)

12.2Compose()使用

1.Compose()用法

Compose()中的参数需要是一个列表
Python中，列表的表示形式为[数据1，数据2，.]
在Compose中，数据需要是transforms类型
所以得到，Compose([transforms参数1，transforms参数2...])

2.代码如下：

点击查看代码

#Compose - resize -2  输入一个int
trans_resize_2 = transforms.Resize(512)
#compose([a1,a2])  前面的输出即a1的类型须匹配后面的输入即a2   img:PIL -> Resize:PIL -> ToTensor:tensor(PIL->tensor)
trans_compose = transforms.Compose([trans_resize_2,trans_tensor])
img_resize_2 = trans_compose(img)
writer.add_image("Resize_2",img_resize_2)
writer.close()

3.运行

12.3RandomCrop()使用

1.代码

点击查看代码

#RandomCrop
trans_rancrop = transforms.RandomCrop(512)
trans_compose2 = transforms.Compose([trans_rancrop,trans_tensor])#先对其随机裁剪再转化为tensor数据类型
for i in range(10):
    img_rancrop = trans_compose2(img)
    writer.add_image("RandomCrop",img_rancrop,i)
writer.close()

#####step一共10个，即0-9

2.运行结果

12.4总结使用方法

1.up主总结

（1）关注输入和输出类型
（2）关注官方文档
（3）关注方法需要什么参数
（4）不知道返回值类型的时候可以试错或者搜索（print，print(type0），debug)

2.举例

任意打开一个类和函数
eg.Padding需要设置，其他参数如fill,padding_mode可以默认不设置: