深度学习（三）——Transforms的使用

一、Transforms的结构及用法

• 导入transforms

from torchvision import transforms

• 作用：图片输入transforms后，可以得到一些预期的变换

1. Transforms的python用法

写在前面：tensor数据类型

通过transforms.ToTensor去说明两个问题：第一，transforms该如何使用；第二，Tensor数据类型相较于普通数据类型有什么区别，为什么需要tensor这个数据类型。

（1）将PIL或numpy.ndarray类型的图片转化为tensor数据类型

具体方法：transforms.Totensor()

from torchvision import transforms
tensor_trans=transforms.ToTensor()  #创建transforms.ToTensor()工具
tensor_img=tensor_trans(pic)   #pic为要转化为tensor类的PIL或numpy.ndarray类型的图像数据

举例：

from torchvision import transforms
from PIL import Image

#读入图像如果读取绝对路径要把\改为\\，如果读取相对路径，则没有这样的困扰
img_path="E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg"  #图片路径
img=Image.open(img_path)
print(img)

#将PIL类型图片转化为tensor类型的图片
tensor_trans=transforms.ToTensor()
tensor_img=tensor_trans(img)
print(tensor_img)

#将numpy.ndarray类型的图片转化为tensor类型
import cv2
cv_img=cv2.imread(img_path)  #将图片转化为ndarray数据
tensor_cv_img=tensor_trans(cv_img)
print(tensor_cv_img)

补充：如何读取tensor类型的图片数据

• 方法：同样是上一篇提到的SummaryWriter中的add_image函数。下面是一个代码实例。

from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")
writer.add_image("Tensor_img",tensor_img)
writer.close()

（2）为什么需要tensor数据类型？

• tensor数据类型内部包含了神经网络理论基础需要的一些参数

二、常见的Transforms

功能	数据类型	对应函数
输入	PIL	Image.open()
输出	tensor	Totensor()
作用	narrays	cv.imread()

1. Compose类详解

• 主要作用：将不同的transforms结合到一起，比如让不同类型的数据先经过一个中心裁剪，再合成一个tensor类型的数据

（1）关于Compose类中__call__函数的一些说明

随便写个类举例子：

class Person:
    def __call__(self, name):
        print("__call__ "+"Hello "+name)

    def