pytorch 学习实录

transforms 和normalize 

torchvison.transforms：常用的图像预处理方法

torchvison.datasets:常用数据集的dataset实现，MNIST,ImageNet等

torchvison.model：常用的模型预训练，AlexNet,VGG,ResNet,GoogleNet等

torchvison.transforms:常用的图像预处理方法

*数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充，亮度、饱和度机对比度变换

在增强数据，目的是提高泛化能力

transform.Resize(（32，32）)#把图像缩放到32*32

transform.Randomcrop()#随机裁剪

transform.ToTensor()#归一化和张成张量

transforms.Normalize（mean,std,inplace=False）

功能：主channel对图像进行标准化

output=(input-mean)/std

mean:各通道的均值

std:各通道的标准差

inplace:是否原地操作的

$transforms图像增强

数据增强（Data Augmentation）：对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。

 

 

1.tranforms-裁剪--crop

transforms.CenterCrop

功能：从图像中心裁剪图片

*size:所需裁剪图片尺寸

 

transform_invert()#对偶反转函数