http://www.cnblogs.com/yjphhw/p/9773333.html
部分跟新于：4.24日 torchvision 0.2.2.post3
torchvision是独立于pytorch的关于图像操作的一些方便工具库。
torchvision的详细介绍在：https://pypi.org/project/torchvision/
torchvision主要包括一下几个包：
vision.datasets : 几个常用视觉数据集，可以下载和加载，这里主要的高级用法就是可以看源码如何自己写自己的Dataset的子类
vision.models : 流行的模型，例如 AlexNet, VGG, ResNet 和 Densenet 以及 与训练好的参数。
vision.transforms : 常用的图像操作，例如：随机切割，旋转，数据类型转换，图像到tensor ,numpy 数组到tensor , tensor 到 图像等。
vision.utils : 用于把形似 (3 x H x W) 的张量保存到硬盘中，给一个mini-batch的图像可以产生一个图像格网。
安装
Anaconda:
conda install torchvision -c pytorch
pip:
pip install torchvision
由于此包是配合pytorch的对于图像处理来说必不可少的，
对于以后要用的torch来说一站式的anaconda是首选，毕竟人生苦短。
(anaconda + vscode +pytorch 非常好用） 值得推荐！
以下翻译自 ： https://pytorch.org/docs/master/torchvision/
数据集 torchvision.datasets
包括以下数据集:
MNIST
Fashion-MNIST
KMNIST
EMNIST
FakeData
COCO
Captions
Detection
LSUN
ImageFolder
DatasetFolder
Imagenet-12
CIFAR
STL10
SVHN
PhotoTour
SBU
Flickr
VOC
Cityscapes
SBD
数据集有 API: - __getitem__ - __len__ 他们都是 torch.utils.data.Dataset的子类。这样我们在实现我们自己的Dataset数据集的时候至少要实现上边两个方法。
因此， 他们可以使用torch.utils.data.DataLoader里的多线程 (python multiprocessing) 。
例如:
torch.utils.data.DataLoader(coco_cap, batch_size=args.batchSize, shuffle=True, num_workers=args.nThreads)
在构造上每个数据集的API有一些轻微的差异，但是都包含以下参数：
transform - 接受一个图像返回变换后的图像的函数
常用的操作如 ToTensor, RandomCrop等. 他们可以通过transforms.Compose被组合在一起。 (见以下transforms 章节)
target_transform - 一个对目标值进行变换的函数。例如，输入一个图片描述，返回一个编码后的张量（a tensor of word indices）。
每个数据集都有类似参数，所以很容易通过一个掌握其他全部。
MNIST
dset.MNIST(root, train=True, transform=None, target_transform=None, download=False)
root:数据的目录，里边有 processed/training.pt 和processed/test.pt 的内容
train: True -使用训练集, False -使用测试集.
transform: 给输入图像施加变换
target_transform:给目标值(类别标签)施加的变换
download: 是否下载mnist数据集
COCO
This requires the COCO API to be installed
Captions:
dset.CocoCaptions(root="dir where images are", annFile="json annotation file", [transform, target_transform])
Example:
importtorchvision.datasetsasdsetimporttorchvision.transformsastransformscap=dset.CocoCaptions(root='dir where images are',annFile='json annotation file',transform=transforms.ToTensor())print('Number of samples: ',len(cap))img,target=cap[3]# load 4th sampleprint("Image Size: ",img.size())print(target)
Output:
Number of samples: 82783
Image Size: (3L, 427L, 640L)
[u'A plane emitting smoke stream flying over a mountain.',
u'A plane darts across a bright blue sky behind a mountain covered in snow',
u'A plane leaves a contrail above the snowy mountain top.',
u'A mountain that has a plane flying overheard in the distance.',
u'A mountain view with a plume of smoke in the background']
Detection:
dset.CocoDetection(root="dir where images are", annFile="json annotation file", [transform, target_transform])
LSUN
dset.LSUN(db_path, classes='train', [transform, target_transform])
db_path = root directory for the database files
classes =
'train' - all categories, training set
'val' - all categories, validation set
'test' - all categories, test set
['bedroom_train', 'church_train', …] : a list of categories to load
CIFAR
dset.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
dset.CIFAR100(root, train=True, transform=None, target_transform=None, download=False)
root : root directory of dataset where there is folder cifar-10-batches-py
train : True = Training set, False = Test set
download : True = downloads the dataset from the internet and puts it in root directory. If dataset is already downloaded, does not do anything.
STL10
dset.STL10(root, split='train', transform=None, target_transform=None, download=False)
root : root directory of dataset where there is folder stl10_binary
split : 'train' = Training set, 'test' = Test set, 'unlabeled' = Unlabeled set,
'train+unlabeled' = Training + Unlabeled set (missing label marked as -1)
download : True = downloads the dataset from the internet and
puts it in root directory. If dataset is already downloaded, does not do anything.
SVHN
dset.SVHN(root, split='train', transform=None, target_transform=None, download=False)
root : root directory of dataset where there is folder SVHN
split : 'train' = Training set, 'test' = Test set, 'extra' = Extra training set
download : True = downloads the dataset from the internet and
puts it in root directory. If dataset is already downloaded, does not do anything.
ImageFolder
一个通用的数据加载器，图像应该按照以下方式放置：
root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png
root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png
dset.ImageFolder(root="root folder path", [transform, target_transform])
ImageFolder有以下成员:
self.classes - 类别名列表
self.class_to_idx - 类别名到标签，例如 “狗”-->[1,0,0]
self.imgs - 一个包括 (image path, class-index) 元组的列表。
Imagenet-12
This is simply implemented with an ImageFolder dataset.
The data is preprocessed as described here
Here is an example.
PhotoTour
Learning Local Image Descriptors Data http://phototour.cs.washington.edu/patches/default.htm
importtorchvision.datasetsasdsetimporttorchvision.transformsastransformsdataset=dset.PhotoTour(root='dir where images are',name='name of the dataset to load',transform=transforms.ToTensor())print('Loaded PhotoTour: {} with {} images.'.format(dataset.name,len(dataset.data)))
模型
models 子包含了以下的模型框架：
AlexNet
VGG
ResNet
SqueezeNet
DenseNet
Inception v3
GoogLeNet
这里对于每种模型里可能包含很多子模型，比如Resnet就有 34，51，101，152不同层数。
这些成熟的模型的意义就是你可以在torchvision的安装路径下找到 可以通过命令 print(torchvision.models.__file__) #'d:\\Anaconda3\\lib\\site-packages\\torchvision\\models\\__init__.py'
学习这些优秀的模型是如何搭建的。
你可以用随机参数初始化一个模型：
importtorchvision.modelsasmodelsresnet18=models.resnet18()alexnet=models.alexnet()vgg16=models.vgg16()squeezenet=models.squeezenet1_0()
我们提供了预训练的ResNet的模型参数，以及 SqueezeNet 1.0 and 1.1, and AlexNet, 使用 PyTorch model zoo. 可以在构造函数里添加 pretrained=True:
importtorchvision.modelsasmodelsresnet18=models.resnet18(pretrained=True)alexnet=models.alexnet(pretrained=True)squeezenet=models.squeezenet1_0(pretrained=True)
所有的预训练模型期待输入同样标准化的数据，例如mini-baches 包括形似(3*H*W)的3通道的RGB图像，H,W最少是224。
图像的范围必须在[0,1]之间，然后使用 mean=[0.485, 0.456, 0.406] and std=[0.229, 0.224, 0.225] 进行标准化。
相关的例子在： the imagenet example here
变换
变换（Transforms）是常用的图像变换。可以通过 transforms.Compose进行连续操作：
transforms.Compose
你可以组合几个变换在一起，例如：
transform=transforms.Compose([transforms.RandomSizedCrop(224),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize(mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225]),])
PIL.Image支持的变换
Scale(size, interpolation=Image.BILINEAR)
缩放输入的 PIL.Image到给定的“尺寸”。 ‘尺寸’ 指的是较短边的尺寸.
例如,如果 height > width, 那么图像将被缩放为 (size * height / width, size) - size: 图像较短边的尺寸- interpolation: Default: PIL.Image.BILINEAR
CenterCrop(size) - 从中间裁剪图像到指定大小
从中间裁剪一个 PIL.Image 到给定尺寸. 尺寸可以是一个元组 (target_height, target_width) 或一个整数，整数将被认为是正方形的尺寸 (size, size)
RandomCrop(size, padding=0)
Crops the given PIL.Image at a random location to have a region of the given size. size can be a tuple (target_height, target_width) or an integer, in which case the target will be of a square shape (size, size) If padding is non-zero, then the image is first zero-padded on each side with padding pixels.
RandomHorizontalFlip()
随机进行PIL.Image图像的水平翻转，概率是0.5.
RandomSizedCrop(size, interpolation=Image.BILINEAR)
Random crop the given PIL.Image to a random size of (0.08 to 1.0) of the original size and and a random aspect ratio of 3/4 to 4/3 of the original aspect ratio
This is popularly used to train the Inception networks - size: size of the smaller edge - interpolation: Default: PIL.Image.BILINEAR
Pad(padding, fill=0)
Pads the given image on each side with padding number of pixels, and the padding pixels are filled with pixel value fill. If a 5x5image is padded with padding=1 then it becomes 7x7
对于 torch.*Tensor 的变换
Normalize(mean, std)
Given mean: (R, G, B) and std: (R, G, B), will normalize each channel of the torch.*Tensor, i.e. channel = (channel - mean) / std
转换变换
ToTensor() - Converts a PIL.Image (RGB) or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0]
ToPILImage() - Converts a torch.*Tensor of range [0, 1] and shape C x H x W or numpy ndarray of dtype=uint8, range[0, 255] and shape H x W x C to a PIL.Image of range [0, 255]
广义变换
Lambda(lambda)
Given a Python lambda, applies it to the input img and returns it. For example:
transforms.Lambda(lambdax:x.add(10))
便利函数
make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False)
Given a 4D mini-batch Tensor of shape (B x C x H x W), or a list of images all of the same size, makes a grid of images
normalize=True will shift the image to the range (0, 1), by subtracting the minimum and dividing by the maximum pixel value.
if range=(min, max) where min and max are numbers, then these numbers are used to normalize the image.
scale_each=True will scale each image in the batch of images separately rather than computing the (min, max) over all images.
Example usage is given in this notebook
save_image(tensor, filename, nrow=8, padding=2, normalize=False, range=None, scale_each=False)
Saves a given Tensor into an image file.
If given a mini-batch tensor, will save the tensor as a grid of images.
All options after filename are passed through to make_grid. Refer to it’s documentation for more details
用以输出图像的拼接，很方便。
没想到这篇文章阅读量这么大，考虑跟新下。
图像引擎：由于需要读取处理图片所以需要相关的图像库。现在torchvision可以支持多个图像读取库，可以切换。
使用的函数是：
torchvision.get_image_backend()#获取图像存取引擎
torchvision.set_image_backend(backend) #改变图像读取引擎
#backend (string) –图像引擎的名字：是 {‘PIL’, ‘accimage’}其中之一。 accimage 包使用的是因特尔(Intel) IPP 库。它的速度快于PIL,但是并不支持很多的图像操作。
由于这个是后边的，普通用处不大，知道即可。