基于Pytorch的图像分类总结：Swin Transformer

Swin Transformer 论文详解及程序解读 - 知乎 (zhihu.com)

Swin Transformer 论文详解及程序解读 - 知乎 (zhihu.com)

机器学习_详解 Swin Transformer (SwinT)_何处闻韶的博客-CSDN博客_swin transformer

Swin Transformer: Hierarchical Vision Transformer using Shifted Windows (arxiv.org)

Swin-Transformer网络结构详解_太阳花的小绿豆的博客-CSDN博客_swin transformer网络结构

microsoft/Swin-Transformer: This is an official implementation for "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows". (github.com)

swin_transformer用于做图像分类（已跑通）swin transformer图像分类

Pytorch之下载数据集_啧啧啧biubiu的博客-CSDN博客_pytorch下载数据集

pytorch保存图片及通道顺序_pytorch改变通道顺序

 PyTorch 学习笔记:transforms的二十二个方法（transforms用法非常详细

numpy.clip(a, a_min, a_max, out=None)
a是一个数组，后面两个参数分别表示最小和最大值。
也就是说clip这个函数将将数组中的元素限制在a_min, a_max之间，大于a_max的就使得它等于 a_max，小于a_min,的就使得它等于a_min。

pytorch的clamp 同np.clip：限制在某一范围内
torch.clamp(input,min,max,out=None)
将input中的元素限制在[min,max]范围内并返回一个Tensor

# Pytorch 逆归一化
# https://discuss.pytorch.org/t/simple-way-to-inverse-transform-normalization/4821/3
class UnNormalize(object):
    def __init__(self,mean,std):
        self.mean=mean
        self.std=std
 
    def __call__(self,tensor):
        """
        Args:
        :param tensor: tensor image of size (B,C,H,W) to be un-normalized
        :return: UnNormalized image
        """
        for t, m, s in zip(tensor,self.mean,self.std):
            t.mul_(s).add_(m)


pytorch中transform函数
torchvision.transforms是pytorch中的图像预处理包
一般用Compose把多个步骤整合到一起：
比如说
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])