【PyTorch】03数据处理

3 PyTorch数据处理

3.1 数据读取机制DataLoader与Dataset

【PyTorch】2.1 DataLoader与Dataset

• epoch：对训练集的全部数据进行一次完整的训练，即所有训练样本都已经输入到模型中，称为一次epoch
• batch：由于硬件算力有限，实际训练时将训练集分成多个批次训练
• batch_size：每批数据尺寸(大小)，决定一个epoch有多少个iteration或step
• iteration或step：对一个batch的数据训练的过程称为一个iteration或ste

假设训练集一共有50000个样本，batch_size=50，那么完整训练一次样本：iteration或step=1000

• torch.utils.data.DataLoader()

  

  功能：构建可迭代的数据装载器

  参数说明：

  • dataset：DataSet类，决定数据从哪读取及如何读取

  • batch_size：批次尺寸(大小)

  • num_workers：是否多进程读取数据

  • shuffle：每个epoch是否乱序(打乱数据集)

  • pin_memory：省掉了将数据从CPU传入到缓存RAM里面，再给传输到GPU上，即为True时是直接映射到GPU的相关内存块上

  • drop_last：当样本数不能被batch_size整除时，是否舍弃最后一批数据
    

• torch.utils.data.Dataset()
  
  功能：决定数据从哪读取及如何读取，Dataset抽象类，所有自定义的Dataset需要继承它，并且重写__getitem__()方法：接受一个索引，返回一个样本

3.2 数据预处理transforms模块机制

torchvision：计算机视觉工具包

• torchvision.transforms：常用的图像预处理方法，如数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等
• torchvision.datasets：常用数据集的dataset实现，如MNIST、CIFAR-10、ImageNet等
• torchvision.model：常用的预训练模型，如AlexNet、VGG、GoogleNet、ResNet等

【PyTorch】2.2 图像预处理——transforms

• transforms.Normalize()
  
  功能：逐个channel(通道)对图像进行标准化【加速模型收敛速度】，即output=(input-mean)/std

  参数说明：

  • mean：各通道的均值
  • std：各通道的标准差
  • inplace：是否执行原地操作，若设为True，即不会改变内存地址

3.3 数据增强

数据增强又称为数据增广、数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具有泛化能力

原则：让训练集与测试集更接近

• 空间位置：平移
• 色彩：灰度图、色彩抖动
• 形状：仿射变换
• 上下文场景：遮挡、填充
• …

【PyTorch】2.3 transforms图像增强(一)

【PyTorch】2.3 transforms图像增强(二)

1. 裁剪(Crop)

   • transforms.CenterCrop()

     功能：从图像中心裁剪图片

     参数说明：

     • size：裁剪图片尺寸

   • transforms.RandomCrop()
     
     功能：从图片中随机剪裁出尺寸为size的图片

     参数说明：

     • size：裁剪图片尺寸
     • padding：设置填充大小
       • 当为a时，左右上下均填充a个像素
       • 当为(a,b)时，左右填充a个像素，上下填充b个像素
       • 当为(a,b,c,d)时，左、上、右、下分别填充a、b、c、d个像素
     • pad_if_need：若图像小于设定size，则填充全0像素值；若图像大于设定size时，需设为True
     • fill：constant时，设置填充的像素值
     • padding_more：填充模式，有4种模式
       • constant：像素值由fill设定
       • edge：像素值由图像边缘像素决定
       • reflect：镜像填充，最后一个像素不镜像，eg：[1,2,3,4] -> [3,2,1,2,3,4,3,2]
       • symmetric：镜像填充，最后一个像素镜像，eg：[1,2,3,4] -> [2,1,1,2,3,4,4,3]

   • transforms.RandomResizedCrop()
     
     功能：随机大小、长宽比裁剪图片

     参数说明：

     • size：裁剪图片尺寸
     • scale：随机裁剪面积比例，默认(0.08,1)
     • ratio：随机长宽比，默认(3/4,4/3)
     • interpolation：插值方法
       • PIL.Image.NEAREST
       • PIL.Image.BILINEAR
       • PIL.Image.BICUBIC

   • transforms.FiveCrop()
     
     功能：在图像的上下左右以及中心裁剪出尺寸为size的5张图片

     参数说明：

     • size：裁剪图片尺寸

   • transforms.TenCrop()
     
     功能：进行水平或垂直镜像获得10张图片

     参数说明：

     • size：裁剪图片尺寸
     • vertical_flip：是否垂直翻转

2. 翻转(Flip)

   • transforms.RandomHorizontalFlip()
     
     功能：根据概率水平(左右)翻转图片

     参数说明：

     • p：翻转概率

   • transforms.RandomVerticalFlip()
     
     功能：根据概率垂直(上下)翻转图片

     参数说明：

     • p：翻转概率

3. 旋转(Rotation)

   • transforms.RandomRotation()
     
     功能：随机旋转图片

     参数说明：

     • degrees：旋转角度
       • 当为a时，在(-a,a)之间选择旋转角度
       • 当为(a,b)时，在(a,b)之间选择旋转角度
     • resample：重采样方法
     • expand：是否扩大图片，以保持原图信息
     • center：旋转点设置，默认中心旋转

4. 图像变换

   • transforms.Pad()
     
     功能：对图片边缘进行填充

     参数说明：

     • padding：设置填充大小
       • 当为a时，左右上下均填充a个像素
       • 当为(a,b)时，左右填充a个像素，上下填充b个像素
       • 当为(a,b,c,d)时，左、上、右、下分别填充a、b、c、d个像素
     • fill：constant时，设置填充的像素值，（R,G,B）or （Gray）
     • padding_more：填充模式，有4种模式
       • constant：像素值由fill设定
       • edge：像素值由图像边缘像素决定
       • reflect：镜像填充，最后一个像素不镜像，eg：[1,2,3,4] -> [3,2,1,2,3,4,3,2]
       • symmetric：镜像填充，最后一个像素镜像，eg：[1,2,3,4] -> [2,1,1,2,3,4,4,3]

   • transforms.ColorJitter()
     
     功能：调整亮度、对比度、饱和度和色相

     参数说明：

     • brightness：亮度调整因子
       • 当为a时，从[max(0,1-a),1+a]中随机选择
       • 当为(a,b)时，从[a,b]中
     • constrast：对比度参数，同brightness
     • saturation：饱和度参数，同brightness
     • hue：色相参数
       • 当为a时，从[-a,a]中选择参数，注：0<=a<=0.5
       • 当为(a,b)时，从[a,b]中选择参数，注：-0.5<=a<=b<=0.5

   • transforms.RandomGrayscale()
     
     功能：根据概率将图片转换为灰度图

     参数说明：

     • num_output_channels：输出通道数只能设1或3
     • p：概率值，图像被转换为灰度图的概率

   • transforms.Grayscale()
     
     功能：将全部图片转换为灰度图

     参数说明：

     • num_output_channels：输出通道数只能设1或3

   • transforms.RandomAffine()
     
     功能：对图像进行仿射变换，仿射变换是二维的线性变换，由五种基本原子变换构成，分别是旋转、平移、缩放、错切和翻转

     参数说明：

     • degrees：旋转角度设置，必须设置此参数，若不旋转，即设为degrees=0
     • translate：平移区间设置，如(a,b)，a设置宽(width)，b设置高(height)，图像在宽维度平移的区间为-img_width*a
     • scale：缩放比例(以面积为单位)
     • shear：错切角度设置，有水平错切和垂直错切
       • 当为a时，则仅在x轴错切，错切角度在(-a,a)之间
       • 当为(a,b)时，则a设置x轴角度，b设置y轴角度
       • 当为(a,b,c,d)时，则a和b设置x轴角度，c和d设置y轴角度
     • resample：重采样方式，有NEAREST、BILINEAR、BICUBIC
     • fillcolor：填充颜色设置，默认黑色(0像素)填充

   • transforms.RandomErasing()
     
     功能：针对张量数据类型的图像【像素值为0~1之间】进行随机遮挡

     参数说明：

     • p：概率值，执行该操作的概率
     • scale：遮挡区域的面积
     • ratio：遮挡区域长宽比
     • value：设置遮挡区域的像素值，(R,G,B) or (Gray)，若value=‘random’, 则区域进行随机彩色遮挡

     参考文献：《Random Erasing Data Augmentation》
     

   • transforms.Lambda()
     
     功能：用户自定义lambda方法

     参数说明：

     • lambd：lambda匿名函数

       实现形式：lambda [input_arg1 [,input_arg2 , .. , input_argn]] : expression

       示例：转换数据类型(TenCrop输出返回的是tuple–>tensor)
       

5. transforms方法的选择操作

   • transforms.RandomChoice()
     
     功能：从一系列transforms方法中随机挑选一个

   • transforms.RandomApply()
     
     功能：根据概率执行一组transforms操作

   • transforms.RandomOrder()
     
     功能：对一组transforms操作打乱顺序

6. 自定义transforms方法
   
   要素：
   （1）仅接收一个参数，返回一个参数

   ​（2）注意上下游的输出与输入

   自定义transforms结构：【通过类实现多参数传入】
   
   实例：椒盐噪声

   椒盐噪声又称为脉冲噪声，是一种随机出现的白点或者黑点，白点称为盐噪声，黑点称为椒噪声

   信噪比(SNR)是衡量噪声的比例，图像中为原始图像像素的占比