PyTorch深度学习快速入门教程【小土堆】详细学习笔记（第12-22个视频笔记）

class Person:
    def __call__(self, name):       # __表示 call是内置函数
        print("__call__"+"hello"+name)

    def hello(self, name):
        print("hello"+name)

# 主函数
person = Person()                   # 新建一个 Person对象
# 接下来是两种调用 Person的方式
person("zhangsan")
person.hello("lisi")                # 建议用这种调用方法

输出结果如下：

（2）ToTensor的使用

代码如下（建议复制到PyCharm中阅读）：

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

img_path = "lianshou-dataset/train/ants_image/0013035.jpg"
img = Image.open(img_path)

writer = SummaryWriter("tensorboard-test")

# ToTensor的使用
tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img)
writer.add_image("ToTensor", img_tensor)

writer.close()

运行结果如下：

（3）Normalize（归一化）的使用

代码如下（建议复制到PyCharm中阅读）：

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

img_path = "lianshou-dataset/train/ants_image/0013035.jpg"
img = Image.open(img_path)

writer = SummaryWriter("tensorboard-test")

# ToTensor的使用
tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img)
writer.add_image("ToTensor", img_tensor)

# Normalize(归一化)的使用
print(img_tensor[0][0][0])         # 输出 img_tensor第一层第一行第一列的像素
trans_norms = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
# 第一个 [0.5, 0.5, 0.5]表示均值，第二个 [0.5, 0.5, 0.5]表示标准差。之所以有三个 0.5，是因为图片是三通道的
img_norm = trans_norms(img_tensor)
print(img_norm[0][0][0])           # 输出变换后的 img_norm第一层第一行第一列的像素
writer.add_image("Normalize", img_norm)

writer.close()

运行结果如下（可以看出归一化后的图片与原始图片还是有所区别的）：

13、常见的Transforms（二）

（1）Resize的使用

代码如下（建议复制到PyCharm中阅读）：

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

img_path = "lianshou-dataset/train/ants_image/0013035.jpg"
img = Image.open(img_path)

writer = SummaryWriter("tensorboard-test")

# ToTensor的使用
tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img)
writer.add_image("ToTensor", img_tensor)

# Resize的使用
print(img.size)
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resizeA PIL
img_resizeA = trans_resize(img)
print(img_resizeA)
# img_resizeA PIL  -> totensor  -> img_resizeB tensor
img_resizeB = tensor_trans(img_resizeA)
writer.add_image("Resize", img_resizeB, 0)

writer.close()

运行结果如下：

可以看出，图片的尺寸由768×512变成了512×512。在可视化的结果中也可以看出Resize后图片尺寸的变化。

（2）Compose的使用

代码如下（建议复制到PyCharm中阅读）：

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

img_path = "lianshou-dataset/train/ants_image/0013035.jpg"
img = Image.open(img_path)

writer = SummaryWriter("tensorboard-test")

# ToTensor的使用
tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img)
writer.add_image("ToTensor", img_tensor)

# Compose的使用
trans_resize = transforms.Resize(512)
# PIL -> PIL -> tensor
trans_compose = transforms.Compose([trans_resize,tensor_trans])     # 将多个转换组合在一起

最低0.47元/天解锁文章