pytorch dataset用来实现tensor转换

文鸿wow

于 2019-12-16 18:59:24 发布

阅读量4k

点赞数

分类专栏： python

本文链接：https://blog.youkuaiyun.com/qq_34430032/article/details/103568088

版权

python 专栏收录该内容

9 篇文章

订阅专栏

本文详细介绍使用Python进行图像数据处理的方法，包括利用Numpy、PIL、Skimage和PyTorch库读取图像文件、数据拆分及转换为Tensor的过程。通过具体代码示例，展示了如何将图像数据从本地文件读取到内存，并转换为适用于深度学习模型训练的数据格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
from PIL import Image
import torch
from torchvision import transforms
from skimage.io import imread
a = np.ones([5,5,5])
b = a[1:1+1]#拆分
print(b.shape)

target1 = imread(r"D:\pku\new desktop\dataset-DIV2k\Set14\baboon.bmp")
target2 = Image.open(r"D:\pku\new desktop\dataset-DIV2k\Set14\baboon.bmp")
print('yes')

#在 dataset的getitem函数中，将对应的np.array转换为对应的tensor即可
trans = transforms.ToTensor()
target1_tensor = trans(target1)
target2_tensor = trans(target2)
#注意 这个地方 即使你读入的是uint8格式数据 他也会对应给你转换为float32，所以可以放心直接用
#如果不这样的话，数据需要先transpose，再除以255.0，最后转换为float32。

print(yes)

#上面即实现的源码 可以看出 对于一个numpy array图像 首先transpose，然后除以255.0并且float