PyTorch 学习笔记 transforms的二十二个方法（transforms用法非常详细）_pytorch transform

原创

于 2024-11-02 01:02:10 发布 · 667 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #学习 #笔记


## 常见的图像变换


官方文档只是将方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类，方便大家索引：


* 裁剪（Crop）—— 中心裁剪：`transforms.CenterCrop` 随机裁剪：`transforms.RandomCrop` 随机长宽比裁剪：`transforms.RandomResizedCrop` 上下左右中心裁剪：`transforms.FiveCrop` 上下左右中心裁剪后翻转，`transforms.TenCrop`
* 翻转和旋转（Flip and Rotation） ——依概率p水平翻转：`transforms.RandomHorizontalFlip(p=0.5)` 依概率p垂直翻转：`transforms.RandomVerticalFlip(p=0.5)` 随机旋转：`transforms.RandomRotation`
* 图像变换（resize） ——`transforms.Resize` 标准化：`transforms.Normalize` 转为tensor，并归一化至[0-1]：`transforms.ToTensor` 填充：`transforms.Pad` 修改亮度、对比度和饱和度：`transforms.ColorJitter` 转灰度图`：transforms.Grayscale` 线性变换：  
 `transforms.LinearTransformation()` 仿射变换：`transforms.RandomAffine` 依概率p转为灰度图：`transforms.RandomGrayscale` 将数据转换为PILImage：`transforms.ToPILImage transforms.Lambda`：Apply a user-defined lambda as a transform.
* 对transforms操作，使数据增强更灵活 `transforms.RandomChoice(transforms)`， 从给定的一系列transforms中选一个进行操作 `transforms.RandomApply(transforms, p=0.5)`，给一个transform加上概率，依概率进行操作 `transforms.RandomOrder`，将transforms中的操作随机打乱


## 一、 裁剪——Crop


##### 1.随机裁剪：transforms.RandomCrop

torchvision.transforms.RandomCrop（size，padding = None，pad_if_needed = False，fill = 0，padding_mode =‘constant’ ）


* `size（sequence 或int`） - 作物的所需输出大小。如果size是int而不是像（h，w）这样的序列，则进行正方形裁剪（大小，大小）
* `padding（int或sequence ，optional`） - 图像每个边框上的可选填充。默认值为None，即无填充。如果提供长度为4的序列，则它用于分别填充左，上，右，下边界。如果提供长度为2的序列，则分别用于填充左/右，上/下边界
* `pad_if_needed（boolean）` - 如果小于所需大小，它将填充图像以避免引发异常。由于在填充之后完成裁剪，因此填充似乎是在随机偏移处完成的。
* fill - 恒定填充的像素填充值。默认值为0.如果长度为3的元组，则分别用于填充R，G，B通道。仅当padding\_mode为常量时才使用此值.
* `padding_mode`-填充类型。应该是：恒定，边缘，反射或对称。默认值是常量。
	+ 常量：具有常量值的焊盘，该值用填充指定
	+ edge：填充图像边缘的最后一个值
	+ 反射：具有图像反射的垫（不重复边缘上的