Transforms 常用的类
Transforms
用于对输入图片的格式进行调整
一些题外话
在transforms.py文件中，点击pycharm左侧靠下的structure按钮可以得到文件的结构（class等）
展开要查看的class可以找到该类包括的方法
其中很多类都有__call__()这个成员函数
他的作用是：使类的实例化对象可以像调用函数一样使用，形式是：对象名(参数)
# __call__的举例：
class Person(object):
def __call__(self, friend):
print('__call__'+'My friend is %s...' % friend)
def hello(self, friend):
print('hello '+'My friend is %s...' % friend)
person = Person()
# __call__
person('aaa')
# hello
person.hello('aaa')
开始之前
图片还是用PIL读入，把一些输出结果通过tensorboard查看
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
from PIL import Image
writer = SummaryWriter('logs')
img = Image.open('dataset/train/ants/0013035.jpg')
print(img)
ToTensor
将图片转化为tensor格式
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
writer.add_image('ToTensor', img_tensor)
Normalize
以mean，std在三通道上做归一化，一般对图片有固定的数值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor)
writer.add_image('Normalize', img_norm, 0)
trans_norm1 = transforms.Normalize([1, 3, 5], [2, 4, 6])
img_norm1 = trans_norm1(img_tensor)
writer.add_image('Normalize', img_norm1, 1)
Resize
输入和输出都是PIL类型
如果参数是(h,w)，则将图片大小转化成(h,w)的尺寸，如果参数是一个数，就将短边转化为这个长度，长边等比例变化。
这里resize传入(h,w)
print(img.size)
trans_resize = transforms.Resize((512, 512))
img_resize = trans_resize(img)
print(img_resize) # 输出是PIL类型
img_resize = trans_totensor(img_resize)
writer.add_image('Resize', img_resize, 0)
Compose
将不同的transforms结合在一起，下一个transforms的输入是上一个的输出，因此需要确定输入与输出的数据类型
这里与resize传入一个整数的情况结合
trans_resize2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize2, trans_totensor])
img_resize2 = trans_compose(img)
writer.add_image('Resize', img_resize2, 1)
由于有__call__，正常写transforms的方式是：将所有用到的transforms使用类调用的方式按序放入列表中，然后放到Compose中，而不用再去把用到的transforms类一一实例化，如官方给的例子：
'''
Example:
>>> transforms.Compose([
>>> transforms.CenterCrop(10),
>>> transforms.PILToTensor(),
>>> transforms.ConvertImageDtype(torch.float),
>>> ])
'''
最后
对tensorboard别忘了：
writer.close()