PyTorch中几种transforms数据预处理的方法

本文详细介绍了PyTorch中用于数据预处理的transforms模块,包括裁剪(CenterCrop, RandomCrop等)、翻转(RandomHorizontalFlip, RandomVerticalFlip)、旋转、填充、颜色调整、灰度化等多种操作,旨在提升模型的泛化能力。" 104980325,9299555,CSP周赛:用二分法求解中位数问题,"['算法', '二分法', 'CSP', '中位数问题', '数组处理']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

PyTorch中几种transforms数据预处理的方法


前言

数据增强又称为数据增广,数据扩增,是对数据集进行变换,从而让模型更具泛化能力。


一、transforms–crop(裁剪)

1.transforms.CenterCrop

功能:从图像中心处裁剪图片
size: 所需裁剪图片的尺寸
若裁剪尺寸大于图片尺寸,则多余部分会用黑色填充。

2.transforms.RandomCrop

功能:从图片中随机位置裁剪出size大小的图片
size:所需裁剪的图片尺寸
padding:设置填充大小
当为a时,上下左右均填充a个像素
当为(a,b)时,上下填充b个像素,左右填充a个像素
当为(a,b,c,d)时,左上右下分别填充a,b,c,d个像素
pad_if_needed: 若图像小于设定的size,则填充
有四种padding_mode:
‘constant’:像素值由fill设定
‘edge’:像素值由图像边缘设定
‘reflect’:镜像填充,最后一个像素不镜像,eg:[1,2,3,4]–[3,2,1,2,3,4,3,2]
‘symmetric’:镜像填充,最后一个像素镜像,eg:[1,2,3,4]–[2,1,1,2,3,4,4,3]
fill:constant时图像的像素值

transforms.RandomCrop(size,
                      padding=None,
                      pad_if_needed=False,
                      fill=0,
                   padding_mode='const
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值