「Deep Learning」理解Pytorch中的「torchvision.transforms」

Sina Weibo：小锋子Shawn

Tencent E-mail：[email protected]

http://blog.csdn.net/dgyuanshaofeng/article/details/78764840

    torchvision里面的transforms对图像做变换，跟数据扩充/增强有关。

    Compose将几种变换组合起来。

    Resize重定图像的大小。给[h, w]重定大小为矩形图像，给size，图像的短边重定大小为size，另一边按照比例放缩。

    RandomCrop随机裁剪图像中的某区域，就是“取图像块”。给[h, w]取矩形块，给size，取正方形块。

    RandHorizontalFlip以0.5概率左右翻转图像。

    RandVerticalFlip以0.5概率上下翻转图像。

    ToTensor将PIL图像或者numpy多维数组转换为张量图像。具体地，PIL图像或者numpy多维数组(H*W*C)[0, 255]转换为(C*H*W)[0.0, 1.0]，也就是转换为0到1之间的浮点型(实数)，并且channel first了。

    Normalize将张量图像归一化/标准化，即减去均值，除以标准差，特别注意的是，这个过程/计算是逐通道的。均值和标准差，可以对训练数据集计算一次，或者可以自己指定，比如三通道张量图像，均值指定为(0.5, 0.5, 0.5)，标准差指定为(0.5, 0.5, 0.5)。

    Lambda，用户自己定义变换。