transform pytorch,transformer的pytorch实现

  transform pytorch,transformer的pytorch实现

  本文主要介绍pytorch中转换用法的详细说明。通过示例代码详细介绍,对大家的学习或工作有一定的参考价值。有需要的朋友下面和边肖一起学习。

  00-1010使用TransformstotensorTransforms时为什么需要张量数据类型?通用转换内置方法_ _ call _ _()正常化调整大小撰写

  

目录

  按住Ctrl查看转换的源代码。你可以知道transforms是一个python文件,里面定义了很多类,每个类都是一个工具。

  结构中有许多类。

  

transforms

  将PIL图像或numpy.ndarray转换为张量。此转换不支持torchscript

  了解如何使用transforms以及ToTensor为何使用张量数据类型。

  

ToTensor

  transforms中的每个类都可以看作一个模子。我们可以用这个模具制作一个特殊的工具。如何利用这个特定的工具实现特定的功能?

  例如,使用ToTensor 3360

  从torchvision导入转换

  从PIL进口图片

  img _ path= data/train/ants _ image/0013035 . jpg

  img=Image.open(img_path)

  tensor _ trans=transforms . tot tensor()# mold(即该类的对象)

  Tensor_img=tensor_trans(img)#实现Totensor的功能,将输入(PIL图像)转换为张量。

  打印(tensor_img)

  

transforms使用

  在tensorboard中使用常用的add_image时,其中的第二个参数是图片的数据类型。这种数据类型可以是torch。tensor、numpy.array或string/blobname。上一篇博客用的是numpy.array,在这里其实可以得到张量类型,直接使用。

  从torchvision导入转换

  来自torch.utils.tensorboard导入摘要Writer

  从PIL进口图片

  img _ path= data/train/ants _ image/0013035 . jpg

  img=Image.open(img_path)

  张量转换=转换。托特索尔()

  张量_img=张量_转换(img)

  writer=SummaryWriter(logs )

  writer.add_image(张量_图像,张量_img)

  writer.close()

  

为什么需要tensor数据类型呢?

  

常见的transforms

  4>

  可以发现基本上transforms里面的每一个类都有一个内置方法__call__(),这个方法和普通的方法的区别其实就是,普通方法一般是类的对象通过.的方式调用,但是call函数不需要,可以直接用对象加括号的形式调用

  一个Person类,内置方法__call__和hello都有一个参数name,然后两个方法都输出name,一个通过person()形式调用,一个通过person.hello()调用

  

  

  

Normalize

  

Normalize a tensor image with mean and standard deviation.

  

  这个方法进行归一化的时候,传入的参数是有两个列表一个是均值,一个是标准差,每个列表的n表示维度,是根据输入的channel数量决定的,比如我们的图片是rgb那n=3,它能将每个信道的输入进行归一化

  

  根据公式可以知道计算的结果其实就是

  

  代码示例:

  

from PIL import Image

  from torchvision import transforms

  img_path = "data/train/ants_image/0013035.jpg"

  img = Image.open(img_path)

  trans_totensor = transforms.ToTensor()

  img_tensor = trans_totensor(img)

  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)

  print(img_norm[0][0][0])

  writer = SummaryWriter("logs")

  writer.add_image("Normalize", img_norm)

  writer.close()

  

  输出:

  

tensor(0.3137)
tensor(-0.3725)

  

  

  

  

Resize

  

Resize the input image to the given size

  

  参数:
可以给一个(H,W)这样的参数,改变图片的大小,也可以指定一个int,改变长和宽的比例

  

  代码示例

  

print(img.size)

  trans_resize = transforms.Resize((512, 512))

  img_resize = trans_resize(img)# 参数和返回值都是 img PIL

  print(img_resize)

  

  输出结果:

  

  变成了正方形

  

  

  

Compose

  

Composes several transforms together. This transform does not support torchscript.

  

  

  可以将第一种类型转化为第二种,参数一的类型做输入,参数二的类型做输出,输入一定要对应,不然就会报错

  代码示例

  

trans_totensor = transforms.ToTensor()

  trans_resize_2 = transforms.Resize(512)

  # PIL -> tensor

  trans_compose = transforms.Compose([trans_resize_2, trans_totensor])

  img_resize_2 = trans_compose(img)

  writer.add_image("Resize", img_resize_2, 1)

  

  

  到此这篇关于pytroch中transforms的使用详解的文章就介绍到这了,更多相关pytroch transforms的使用内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: