Transforms的使用以及常见的Transforms(to tensor,normalize,resize,compose,Random_crop)

目录

前言

一、准备工作

设置日志输出路径 ：

加载图像 ：

二、常用图像变换与可视化

1.ToTensor：PIL → Tensor

2.Normalize：归一化处理（Tensor → Tensor）

3.Resize：调整图像尺寸 

 4.Compose：组合多个变换操作

5.RandomCrop：随机裁剪实现数据增强 

四、运行 TensorBoard 查看结果 

总结与收获

前言

本文记录我使用 PyTorch 的 transforms 模块对图像进行处理，并使用 TensorBoard 对结果进行可视化的学习过程与收获。

一、准备工作

from PIL import Image
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter

设置日志输出路径 ：

writer = SummaryWriter("logs1")

加载图像 ：

img_path = "A:\\code\\pytorch\\train\\ants_image\\116570827_e9c126745d.jpg"
img = Image.open(img_path)  # 打开本地图片，类型为 PIL.Image

蚂蚁蜜蜂/练手数据集：链接: https://pan.baidu.com/s/1jZoTmoFzaTLWh4lKBHVbEA
密码: 5suq 

二、常用图像变换与可视化

以下方法都有相似的用法：（以To Tensor为例）
trans_totensor = transforms.ToTensor()#创建工具
trans_img = trans_totensor(img)#使用工具
writer.add_image("ToTensor", trans_img)#可视化

1.ToTensor：PIL → Tensor

代码如下：

trans_totensor = transforms.ToTensor()#创建工具
trans_img = trans_totensor(img)#使用工具
writer.add_image("ToTensor", trans_img)#可视化

图像从 Python 的图像对象变成了 PyTorch 的张量（tensor），才能被模型处理。