PyTorch教程-6：详解PyTorch中的transforms

笔者PyTorch的全部简单教程请访问：https://www.jianshu.com/nb/48831659

PyTorch教程-6：详解PyTorch中的transforms

对于视觉方向的图像处理方面，PyTorch提供了很好的预处理接口，对于图像的转换处理，使用 torchvision.tranforms 模块使得这些操作非常高效。本文就介绍这个非常强大的工具，先引入transforms模块：

import torchvision.transforms as transforms

完整的参考：https://pytorch.org/docs/stable/torchvision/transforms.html

组合多个变换操作

transforms.Compose() 方法接收一个 transforms 方法的list为参数，将这些操作组合到一起，返回一个新的tranforms。通常用于包装一个完整的变换操作的pipeline：

import torchvision.transforms as transforms

myTransforms = transforms.Compose([
    transforms.CenterCrop(10),
    transforms.ToTensor()
])

对PIL Image和Tensor同时起作用的操作

本节所提到的所有的transforms的操作都可以以三种数据中的一种为参数：

• PIL格式的Image
• tensor表示的图片，其形状为 (Channel, Height, Weight)
• 一个tensor数组表示的多个图片，其形状为 (Batch, Channel, Height, Weight)

这些方法列在下边，对于需要详细查看其参数含义的操作，可以直接参考：
https://pytorch.org/docs/stable/torchvision/transforms.html#transforms-on-pil-image-and-torch-tensor

• torchvision.transforms.CenterCrop(size)：size为一个整数或者tuple，从图片中心裁剪出size大小的图片
• torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)：对图像的亮度、对比度、饱和度和色调进行调节，每个参数接收一个float值或者一个float tuple (min, max)
• torchvision.transforms.FiveCrop(size)：size为一个整数或者tuple，从图片中心和四个角裁剪出一共五张size大小的图片
• torchvision.transforms.Grayscale(num_output_channels=1)：将图片转换为灰度图，参数可取1或3，取3时，三个通道返回同样的值
• torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')：对图片做padding操作
• torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=0, fillcolor=0)：对图像进行随机的仿射变换
• torchvision.transforms.RandomApply(transforms, p=0.5)：接收一个transforms的list为参数，依据它对图片进行随机的变换
• torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')：在图片的随机位置剪裁并返回新图像
• torchvision.transforms.RandomGrayscale(p=0.1)：以p的概率将图片随机转换为灰度图
• torchvision.transforms.RandomHorizontalFlip(p=0.5)：以p的概率随机将图片水平翻转
• torchvision.transforms.RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=2, fill=0)：以p的概率将图片进行随机透视变换
• torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)：将图片随机地进行剪裁得到给定大小或者长宽比的图片
• torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)：随机对图片旋转一个角度
• torchvision.transforms.RandomVerticalFlip(p=0.5)：以p的概率随机将图片垂直（上下）翻转
• torchvision.transforms.Resize(size, interpolation=2)：将图片大小放缩到给定大小
• torchvision.transforms.TenCrop(size, vertical_flip=False)：将图片的四个角和中心进行裁剪后，返回他们的反转后的图片，默认水平反转
• torchvision.transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))：对图片进行高斯模糊

仅对PIL Image起作用的操作

本小节提到的方法仅对PIL Image格式的图片起作用，即不能用于torchscript（什么是TorchScript：https://pytorch.org/docs/stable/jit.html?highlight=torchscript）。详细的参数说明请参考：https://pytorch.org/docs/stable/torchvision/transforms.html#transforms-on-pil-image-only

• torchvision.transforms.RandomChoice(transforms)：接收一个transforms的list为参数，从list中随机挑选一个对图片进行变换
• torchvision.transforms.RandomOrder(transforms)：接收一个transforms的list为参数，将list中的所有变换操作进行随机排序后对图片进行变换

仅对Tensor起作用的操作

本小节提到的方法仅能够作用于 Tensor 上，详细的参数说明请参考：https://pytorch.org/docs/stable/torchvision/transforms.html#transforms-on-torch-tensor-only

• torchvision.transforms.LinearTransformation(transformation_matrix, mean_vector)：对tensor进行矩阵变换后减去一个向量
• torchvision.transforms.Normalize(mean, std, inplace=False)：对图片进行标准化
• torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)：随机选取图片中的矩形区域并删除其像素值
• torchvision.transforms.ConvertImageDtype(dtype: torch.dtype)：将tensor的数据类型转换为给定的torch.dtype的类型

用于进行转换的操作

本小节提到的方法用于数据类型的转换，详细的参数说明请参考：https://pytorch.org/docs/stable/torchvision/transforms.html#conversion-transforms

• torchvision.transforms.ToPILImage(mode=None)：将一个tensor格式的图片转换为PIL Image格式的图片，不支持torchscript
• torchvision.transforms.ToTensor：将一个PIL Image格式的图片转换为tensor格式的图片，不支持torchscript，这个很重要！