Pytorch学习 day04（Totensor、Normalize、Resize、Compose）

Totensor

• 把一个PIL格式的图片，或者ndarray格式的图片转换为tensor格式
• 使用方法，如下：

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

img = Image.open("images/0013035.jpg")  #打开一张图片
print(img)

writer = SummaryWriter("logs")  #创建一个writer对象

trans_tensor = transforms.ToTensor()    #创建一个ToTensor对象
img_tensor = trans_tensor(img)  #使用__call__方法，将PIL 转换为tensor
writer.add_image("Totensor", img_tensor)    #将tensor添加到writer对象中，就可以用tensorboard展示图象

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Normalize

• 根据它的平均值和标准差来标准化一个tensor格式的图片，由于通常是RGB图片，所以信道数为3，传入三个平均值和标准差即可
• 传入的平均值和标准差需要是以序列的格式
• 计算公式如下：
  
• 代码如下：

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

img = Image.open("images/0013035.jpg")  #打开一张图片
print(img)

writer = SummaryWriter("logs")  #创建一个writer对象

# Totensor
trans_tensor = transforms.ToTensor()    #创建一个ToTensor对象
img_tensor = trans_tensor(img)  #使用__call__方法，将PIL 转换为tensor
writer.add_image("Totensor", img_tensor)    #将tensor添加到writer对象中，就可以用tensorboard展示图象

# Normalize
trans_normal = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  #创建一个Normalize对象
img_normal = trans_normal.forward(img_tensor)  #使用forward方法，将tensor进行标准化
writer.add_image("Normalize", img_normal)  #将标准化的tensor添加到writer
writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

• 结果如下：
  

Resize

• 将PIL或Tensor格式的输入图片，调整为指定的尺寸，并使用forward()函数返回对应格式的图片，如下：
• 传入的尺寸需要是以序列的格式

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

img = Image.open("images/0013035.jpg")  #打开一张图片
print(img)

writer = SummaryWriter("logs")  #创建一个writer对象

# Totensor
trans_tensor = transforms.ToTensor()    #创建一个ToTensor对象
img_tensor = trans_tensor(img)  #使用__call__方法，将PIL 转换为tensor

# Resize
print(img.size)  #打印原图的尺寸
trans_resize = transforms.Resize((100, 100))
# img PIL -> Resize -> img_resize PIL
img_resize = trans_resize.forward(img)  #使用forward方法，将图像进行缩放
print(img_resize.size)   #打印PIL格式缩放后的尺寸
# img_resize PIL -> ToTensor -> img_resize tensor
img_resize = trans_tensor(img_resize)   #将PIL转换为tensor
print(img_resize.size())   #打印tensor格式缩放后的尺寸
writer.add_image("Resize", img_resize)   #将缩放后的tensor添加到writer
writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

• 结果如下：
  

Compose

• 将多个transforms工具组合在一起，方便使用，相当于循环调用多个transforms工具，并把上一个输出传给下一个，当作输入
• 注意传入列表的第一个工具的输出格式要满足第二个的输入格式
• 代码如下：

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

img = Image.open("images/0013035.jpg")  #打开一张图片
print(img)

writer = SummaryWriter("logs")  #创建一个writer对象

# Totensor
trans_tensor = transforms.ToTensor()    #创建一个ToTensor对象
img_tensor = trans_tensor(img)  #使用__call__方法，将PIL 转换为tensor
writer.add_image("Totensor", img_tensor)    #将tensor添加到writer对象中，就可以用tensorboard展示图象

# Compose
trans_resize_2 = transforms.Resize(800)
# PIL -> PIL -> Tensor
trans_compose = transforms.Compose((trans_resize_2, trans_tensor))  
img_compose = trans_compose(img)    #使用__call__方法，通过compose结合两个转换方法，将PIL转换为tensor
writer.add_image("Compose", img_compose)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

• 注意：虽然Resize类中没有定义 _ _ call _ 方法，但是Resize继承自Module类，而Module类定义了 _ call _ 方法，因此当我们将resize对象作为一个函数调用时，python会在本身及其父类中寻找 _ call _ 方法， 因此这里可以正常调用，同时Module类的 _ call _ _方法和Raize类的forward()方法的基本实现如下：

class Module:
    def __call__(self, *inputs, **kwargs):
        # 在调用模型实例时，会调用forward方法
        return self.forward(*inputs, **kwargs)

    def forward(self, *inputs, **kwargs):
        # 在子类中实现具体的前向传播逻辑
        raise NotImplementedError
 
class Rasize:
    def forward(self, img):
        """
        Args:
            img (PIL Image or Tensor): Image to be scaled.

        Returns:
            PIL Image or Tensor: Rescaled image.
        """
        return F.resize(img, self.size, self.interpolation, self.max_size, self.antialias)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

• 因此当我们将resize对象作为一个函数调用时，实际上调用的是它的forward方法。
• 结果如下：