【Python学习】PyTorch—transforms里的Compose(),ToTensor()和Normalize
Python图像库PIL(Python Image Library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库了。
transforms的函数
函数 | 功能 |
---|---|
Resize | 把给定的图片resize到given size |
Normalize | 用均值和标准差归一化张量图像 |
ToTensor | 将 PIL 图像转换为范围 [0,255] 内的张量 (HWC) to a torch。范围 [0.0,1.0] 范围内的张量(CHW) |
CenterCrop | 在图片的中间区域进行裁剪 |
RandomCrop | 在一个随机的位置进行裁剪 |
FiceCrop | 把图像裁剪为四个角和一个中心 |
RandomResizedCrop | 将PIL图像裁剪成任意大小和纵横比 |
ToPILImage | convert a tensor to PIL image |
RandomHorizontalFlip | 以0.5的概率水平翻转给定的PIL图像 |
RandomVerticalFlip | 以0.5的概率竖直翻转给定的PIL图像 |
Grayscale | 将图像转换为灰度图像 |
RandomGrayscale | 将图像以一定的概率转换为灰度图像 |
ColorJitter | 随机改变图像的亮度对比度和饱和度 |
transforms.Compose()函数
torchvision.transforms是pytorch中的图像预处理包。一般用Compose把多个步骤整合到一起:
下面把两个步骤整合到了一起。
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])
transform.ToTensor()和transform.Normalize
例子
transform.ToTensor(),
transform.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
- ToTensor()能够把灰度范围从0-255变换到0-1之间
- 而后面的transform.Normalize()则把0-1变换到(-1,1).
具体地说,对每个通道而言,Normalize执行以下操作:
image=(image-mean)/std,其中mean和std分别通过(0.5,0.5,0.5)和(0.5,0.5,0.5)进行指定。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.
原文链接:https://blog.csdn.net/weixin_43135178/article/details/115133115