【Pytorch】transforms.Compose，torchvision.datasets.ImageFolder，torch.utils.data.DataLoader的用法

pytorch通过深度学习进行预处理图片，离不开transforms.Compose()，torchvision.datasets.ImageFolder()，torch.utils.data.DataLoader()的用法。

本篇通过实例解读这三个函数的用法。

1.Transform.Compose()详解

导入相应的库

import torch
import torchvision
import matplotlib.pyplot as plt
from torch.utils import data
from torchvision import datasets,transforms
from PIL import Image
%matplotlib inline

展示原始图片

pic = "./train/Chihuahua/n02085620_10074.jpg"

img = plt.imread(pic)
plt.imshow(img)

定义图片预处理的对象。

traintransform = transforms.Compose([transforms.RandomRotation(20),           # 随机旋转20°
                                     transforms.ColorJitter(brightness=0.1), #随机改变图像的亮度对比度和饱和度
                                     transforms.Resize([150,150]),          # 转换为需要的尺寸
                                     transforms.ToTensor(),                #convert a PIL image to tensor (H*W*C)
                                    ])

img1 = Image.fromarray(img)   #将numpy对象的img转换为PIL格式
img2 = traintransform(img1)# 图像预处理tensor
img3 = transforms.ToPILImage()(img2)#转换为PIL进行展示
plt.imshow(img3)

展示处理之后的图片，可以看出，图片旋转了20°，并且大小转换为（150，150）

附上——transforms中的函数如何使用？

# Resize：把给定的图片resize到given size
# Normalize：Normalized an tensor image with mean and standard deviation
# ToTensor：convert a PIL image to tensor (H*W*C) in range [0,255] to a torch.Tensor(C*H*W) in the range [0.0,1.0]
# ToPILImage: convert a tensor to PIL image
# Scale：目前已经不用了，推荐用Resize
# CenterCrop：在图片的中间区域进行裁剪
# RandomCrop：在一个随机的位置进行裁剪
# RandomHorizontalFlip：以0.5的概率水平翻转给定的PIL图像
# RandomVerticalFlip：以0.5的概率竖直翻转给定的PIL图像
# RandomResizedCrop：将PIL图像裁剪成任意大小和纵横比
# Grayscale：将图像转换为灰度图像
# RandomGrayscale：将图像以一定的概率转换为灰度图像
# FiceCrop：把图像裁剪为四个角和一个中心
# TenCrop
# Pad：填充
# ColorJitter：随机改变图像的亮度对比度和饱和度。

2.Torchvision.datasets.ImageFolder()详解

trainpath = "./train"      #数据库路径
batch_size = 64

traintransform = transforms.Compose([transforms.RandomRotation(20),           # 随机旋转20°
                                     transforms.ColorJitter(brightness=0.1), #随机改变图像的亮度对比度和饱和度
                                     transforms.Resize([150,150]),          # 转换为需要的尺寸
                                     transforms.ToTensor(),                #convert a PIL image to tensor (H*W*C) 
                                    ])

trainData = torchvision.datasets.ImageFolder(trainpath,transform=traintransform)

torchvision.datasets.ImageFolder 有 root, transform, target_transform, loader四个参数，root：图片存储的根目录，即各类别文件夹所在目录的上一级目录，在下面的例子中是’./train/’。

文件格式如以下：
train/Chihuahua/xxx.png
train/Chihuahua/xxy.png
train/Chihuahua/xxz.png

train/Japanese_spaniel/123.png
train/Japanese_spaniel/nsdf3.png
train/Japanese_spaniel/asd932_.png

transform：对图片进行预处理的操作（函数），原始图片作为输入，返回一个转换后的图片。target_transform：对图片类别进行预处理的操作，输入为 target，输出对其的转换。如果不传该参数，即对 target 不做任何转换，返回的顺序索引 0,1, 2…loader：表示数据集加载方式，通常默认加载方式即可。

我们得到的trainData,它的结构就是[(img_data,class_id),(img_data,class_id),…],下面我们打印第一个元素：

trainData[0]

3.Torch.utils.data.DataLoader()详解

参数说明：

torch.utils.data.DataLoader(
      dataset   			#数据加载
      batch_size = 1		#批处理样本大小
      shuffle = False		#是否在每一轮epoch打乱样本顺序
      sampler = None		#指定数据加载中使用的索引/键的序列
      batch_sampler = None	#和sampler类似
      num_workers = 0		#是否进行多进程加载数据设置
      collat​​e_fn = None		#是否合并样本列表以形成一小批Tensor
      pin_memory = False	#如果True，数据加载器会在返回之前将Tensors复制到CUDA固定内存
      drop_last = False		#True若数据集大小不能被batch_size整除，则删除最后一个不完整的批处理。
      timeout = 0			#如果为正，则为从工作人员收集批处理的超时值
      worker_init_fn = None )

trainLoader = torch.utils.data.DataLoader(dataset=trainData,batch_size=batch_size,shuffle=True)

加载完之后，trainloader究竟是个什么玩意，可以借助以下的方式打开查看。

for i in trainLoader:
    print(i[0].shape,i[1].shape)

以上，我们加载了152+185=337张图片。通过以上可以看出，trainLoader每次加载64张照片+64个标签值，并且总和为337=64*5+17.
至此结束，希望对大家有用。