[Pytorch]关于torchvision.transforms.resize采样时更换插值方式——class InterpolationMode

已于 2022-04-07 21:44:58 修改
阅读量9k 收藏 36
点赞数 18
CC 4.0 BY-SA版权
文章标签： 计算机视觉 深度学习
于 2022-04-07 21:34:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44145782/article/details/124026928
  • 做实验发现seg_gt图边缘乱码了（心里寻思gt怎么还能乱码呢，不合理啊），查了半天发现读取的label边缘就是乱码，如图（强迫症看了想把自己吊起来）
    在这里插入图片描述
    在这里插入图片描述
  • 问了问师兄，师兄说是下采样插值的问题，把双线性插值改为最邻近插值就好了。（不愧是师兄，一眼就看出来问题的本质）
  • 问题就出在了transforms.Resize这个函数上，默认采用双线性插值。（我用的数据集是CelebAMask-HQ，其中分割标签的分辨率为512512，我的模型需要将输入resize为256256，没有注意分割标签的插值问题）
    在这里插入图片描述
    torchvision.transforms.Resize文档
    可以利用InterpolationMode类来设置interpolation选项。
    在这里插入图片描述
最低0.47元/天 解锁文章

200万优质内容无限畅学
OpenCV-Python图像处理：图像缩放与插值方法及使用resize函数
TechCraze的博客
09-07 652
OpenCV-Python图像处理：图像缩放与插值方法及使用resize函数图像缩放是图像处理中常见的操作之一，它可以改变图像的大小，从而适应不同的需求和应用场景。在OpenCV-Python中，可以使用resize函数来实现图像缩放操作。本文将介绍图像缩放的概念、常用的插值方法以及如何使用resize函数进行图像缩放。
【pytorch】torchvision.transforms 图像的变换详解；图像的预处理；数据增强
学渣的博客
09-20 2万+
torchvision.transforms是包含一系列常用图像变换方法的包，可用于图像预处理、数据增强等工作，但是注意它更适合于classification等对数据增强后无需改变图像的label的情况，对于Segmentation等对图像增强时需要同步改变label的情况可能不太实用，需要自己重新封装一下。
torch.nn.functional.interpolate与torchvision.transforms.Resize方法对张量图像Resize应用
weixin_38252409的博客
01-09 1831
要使用 PyTorch 对张量进行调整大小，您可以使用 torch.nn.functional.interpolate 函数。要对cpu中类似PIL数据，您可以使用torchvision.transforms.Resize函数。本文将介绍这2种函数应用方法。
torchvision.transforms.Resize()的用法
knighthood2001
10-02 901
是将最短边长变成size，长边进行比例缩放，也就是最短边为size，最长边大于size。的时候发现，一般Resize中放的是size或者是(size,size)这样的二元数。可以发现是短边进行size的调整，长边进行相应的缩放，最后导致图像进行等比例放缩。，大家都很清楚，会将图像的h和w大小都变成size。
ImportError: cannot import name ‘InterpolationMode‘ from ‘torchvision.transforms‘踩坑记录
prague6695的博客
09-24 1万+
在运行resNeSt代码的时候，有一个报错。 ImportError: cannot import name ‘InterpolationMode’ from ‘torchvision.transforms’ (C:\ProgramData\Anaconda3\lib\site-packages\torchvision\transforms_init_.py) 但是网上都找不到相关解决办法。 于是就自己排除，记录以下。 出错代码如下： from torchvision.transforms import R
【Pytorch 第四讲】图像分类的Tricks
挪威的深林的博客
03-01 1191
在分类问题中，最后一层一般是全连接层，然后对应标签的one-hot编码，即把对应类别的值编码为1，其他为0。这种编码方式和通过降低交叉熵损失来调整参数的方式结合起来，会有一些问题。这种方式会鼓励模型对不同类别的输出分数差异非常大，或者说，模型过分相信它的判断。但是，对于一个由多人标注的数据集，不同人标注的准则可能不同，每个人的标注也可能会有一些错误。模型对标签的过分相信会导致过拟合。
pytorch中的torchvision.transforms的用法
weixin_43984636的博客
04-21 1100
pytorch中的torchvision.transforms的用法
torchvision.transforms图像预处理常用方法简介
https://www.hyperplasma.top
06-15 1941
transforms是在计算机视觉工具包torchvision下的包，常用于对图像进行预处理（如裁剪、翻转和旋转、图像变换……），提高泛化能力。
【pytorch】常用图像处理与数据增强方法合集（torchvision.transforms）
A book super
12-21 2535
【pytorch】常用图像处理与数据增强方法合集（torchvision.transforms） 来源连接： https://www.cnblogs.com/ghgxj/p/14219097.html
resize接口实现之-------双线性插值法解读
u011473714的专栏
07-04 4821
1、resize 原理 OpenCV2.4.9中，cv::resize函数有五种插值算法：最近邻、双线性（默认方式）、双三次、基于像素区域关系、兰索斯插值。 void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINE...
pytorch中的transforms.resize（）函数
AndrewPerfect的博客
05-08 5350
调整图像的大小一个整数或一个元组。
torchvision.transforms.Resize()函数解读
热门推荐
qq_40178291的博客
09-21 4万+
函数作用 对于PIL Image对象进行resize的运算。 函数源码 class Resize(object): """Resize the input PIL Image to the given size. Args: size (sequence or int): Desired output size. If size is a sequence ...
pytorch torchvision.transforms.Resize
Claroja
08-25 5099
API CLASS torchvision.transforms.Resize(size, interpolation=2) 参数 描述 size (sequence or int) 如果size是sequence(h,w)，则输出为此尺寸：如果size是int，则暗比例缩放 interpolation (int, optional) 插值方法，默认是双线性 参考： https://pytorch.org/docs/stable/torchvision/transforms.htm
分类模型训练pil、torchvision.transforms和opencv的resize
weixin_41012399的博客
09-08 991
因为transforms.Resize当输入为PIL图像时，默认使用的PIL的resize进行处理，除了默认的双线性插值，还会进行antialiasing。参考：https://blog.csdn.net/weixin_41012399/article/details/126049885。PyTorch 中的 torchvision.transforms.Resize 就是采用的 PIL 的 resize。部署的时候使用opcv的resize处理，发现不一致，最好在训练的时候统一用opencv处理图片。
torchvision.transforms中的Resize用法
a503244552的博客
03-27 449
本文主要介绍了pytorch中torchvision.transforms.Resize 的用法。
ImportError: cannot import name ‘InterpolationMode‘ from ‘torchvision.transforms‘
爱在深秋
11-29 5304
这个原因是torchvision的版本太久了，这个InterpolationMode是新版本中的函数，
transforms.Resize()
A2000613的博客
01-14 6490
transforms.Resize()
Pytorch学习：torchvison.transforms常用包（ToTensor、Resize、Compose和RandomCrop）
qq_38473254的博客
08-23 1105
给定平均值： (mean[1],…,mean[n]) 和标准值： (std[1],…,std[n]) 对于 n 通道，该变换将归一化输入 torch.*Tensor 的每个通道，即， output[channel] = (input[channel] - mean[channel]) / std[channel]如果图像是torch tensor，则预计具有[…，H，W]形状，其中…表示任意数量的前导维度，但如果使用非恒定填充，则预计输入最多具有2个前导维度。，H，W]形状，其中…表示任意数量的前导维度。
transforms.Resize(512, interpolation=Image.BICUBIC)
qq_35037684的博客
10-30 330
代码没有debug，看见上述代码以为是将整张图片resize成（512，512），实则是固定高度为512， 宽度为保持原图像宽高比的一个最大宽度。
cannot import name 'InterpolationMode' from 'torchvision.transforms'
最新发布
05-06
<think>好的，我现在要解决用户遇到的无法从torchvision.transforms导入InterpolationMode的问题。用户提到引用了三个相关的错误信息，其中第一个和第二个都是关于InterpolationMode的导入错误，第三个是关于draw_bounding_boxes的问题，可能与版本有关。 首先，我需要确认InterpolationMode是在哪个版本的torchvision中引入的。根据用户提供的引用[3]，draw_bounding_boxes是在torchvision 0.9.0之后添加的，而用户的问题可能与版本过低有关。因此，推测InterpolationMode可能也是在较新的版本中引入的。我需要验证这一点。 查阅torchvision的官方文档或更新日志，发现InterpolationMode确实是在某个版本之后添加的。例如，在torchvision 0.9.0或更高版本中，InterpolationMode被引入作为Resize等变换的插值方法选项。因此，用户可能正在使用较旧的torchvision版本，导致无法导入该模块。 接下来，解决方案应该是升级torch和torchvision到兼容的版本。通常，PyTorch和torchvision需要版本对应，因此需要检查用户的当前版本，并建议升级到支持InterpolationMode的版本组合。 此外，用户可能的环境问题，例如虚拟环境中未正确安装或版本冲突，也可能导致此错误。因此，需要指导用户如何正确升级，并确保安装的版本匹配。 另外，考虑到用户可能在代码中直接引用了InterpolationMode，如果无法升级版本，可能需要临时修改代码，使用旧的插值方法，比如用整数代替枚举值，如PIL.Image.BILINEAR等，但这可能不是最佳实践，且在某些情况下可能不兼容。 总结可能的解决步骤：1. 检查当前torchvision版本；2. 升级到支持InterpolationMode的版本；3. 确保torch和torchvision版本兼容；4. 修改代码以适配旧版本（临时方案）。 还需要注意用户可能使用的环境，如Anaconda、pip，或者是否有权限进行升级。根据用户提供的错误路径，他们可能在使用Anaconda环境，因此需要提供相应的安装命令，如conda或pip install。 最后，验证解决方案是否有效，例如在升级后重新运行代码，确认是否还存在导入错误。</think>以下是解决无法导入`InterpolationMode`的详细方案，结合引用中提到的版本兼容性问题[^3]： ### 一、问题原因分析 1. **版本过低**：`InterpolationMode`在`torchvision>=0.9.0`版本中引入[^3] 2. **依赖冲突**：PyTorch与torchvision版本不匹配 3. **环境隔离**：未在虚拟环境中安装正确版本 ### 二、完整解决方案 #### 步骤1：验证当前版本 ```python import torch, torchvision print(f"PyTorch: {torch.__version__}") # 需≥1.8.0 print(f"Torchvision: {torchvision.__version__}") # 需≥0.9.0 ``` #### 步骤2：升级依赖（推荐组合） | PyTorch版本 | Torchvision版本 | 安装命令 | |-------------|-----------------|----------| | ≥1.8.0 | ≥0.9.0 | `pip install torch>=1.8.0 torchvision>=0.9.0` | | ≥2.0.0 | ≥0.15.0 | `pip install --upgrade torch torchvision` | *对于Anaconda环境：* ```bash conda install pytorch=1.13.0 torchvision=0.14.0 -c pytorch ``` #### 步骤3：兼容性代码修改（临时方案） 若暂时无法升级版本，可改用数字代码替代枚举值： ```python from torchvision.transforms import Resize # 原代码（需要0.9.0+） # transform = Resize(size=256, interpolation=InterpolationMode.BILINEAR) # 替代方案（兼容旧版） transform = Resize(size=256, interpolation=2) # 2对应BILINEAR插值 ``` #### 插值模式对照表 | InterpolationMode枚举值 | 数字代码 | 说明 | |-------------------------|----------|------| | NEAREST | 0 | 最近邻插值 | | BILINEAR | 2 | 双线性插值 | | BICUBIC | 3 | 双三次插值 | ### 三、验证安装结果 ```python # 验证是否可导入InterpolationMode try: from torchvision.transforms import InterpolationMode print(f"成功导入InterpolationMode，当前torchvision版本：{torchvision.__version__}") except ImportError: print("导入失败，请检查版本是否符合要求") ``` ### 四、常见错误排查 1. **CUDA版本冲突**：升级时需匹配CUDA版本 ```bash # CUDA 11.3示例 pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html ``` 2. **多环境问题**：确保在正确的Python环境中操作 3. **缓存影响**：升级后重启Python内核/终端 ### 五、版本兼容性参考 根据PyTorch官方兼容性矩阵[^1]，推荐以下稳定组合： ```markdown | PyTorch | Torchvision | 发布日期 | |---------|-------------|------------| | 2.0.1 | 0.15.2 | 2023-05-16 | | 1.13.1 | 0.14.1 | 2023-02-22 | | 1.8.2 | 0.9.2 | 2021-07-22 | ``` --- ### 相关问题 1. 如何选择PyTorch与CUDA版本的对应关系？ 2. Torchvision中不同插值方法对图像处理效果有何影响？ 3. 如何为不同项目创建隔离的PyTorch环境？
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Vanessa Ni

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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