1 ToTensor

将shape为(H, W, C)的numpy.ndarray或img转为shape为(C, H, W)的tensor

在一定条件下，将每一个数值归一化到[0,1]，归一化方法比较简单，直接除以255即可。（一定条件后面会说明）

1.1 Ndarray

只有Ndarray是np.uint8 类型的时候，才会归一化

1.1.1 np.uint8 类型

看得出来确实归一化了

import torchvision.transforms as transforms
import numpy as npa=np.array([[100,200],[400,500],[700,800]],dtype=np.uint8)a=a.reshape(3,2,1)
a.shape
#(3, 2, 1)t=transforms.ToTensor()
ta=t(a)
print(a)
'''
[[[100][200]][[144][244]][[188]
'''print(ta)
'''
tensor([[[0.3922, 0.7843],[0.5647, 0.9569],[0.7373, 0.1255]]])
'''print(ta.shape)
#torch.Size([1, 3, 2])

1.1.2 非np.uint8 类型

没有归一化

import torchvision.transforms as transforms
import numpy as npa=np.array([[100,200],[400,500],[700,800]],dtype=np.uint8)a=a.reshape(3,2,1)
a.shape,a.dtype
((3, 2, 1), dtype('int32'))t=transforms.ToTensor()
ta=t(a)
print(a)
'''
[[[100][200]][[144][244]][[188]
'''print(ta)
'''
tensor([[[100, 200],[400, 500],[700, 800]]], dtype=torch.int32)
'''print(ta.shape)
#torch.Size([1, 3, 2])

1.2 图片

以DeepFasion数据集里面的一张图片为例：

from PIL import Image
from torchvision import transforms, utils
a=Image.open(b+'img/00000.jpg')
a

y=transforms.ToTensor()
a=y(a)
a
'''
tensor([[[0.9255, 0.9255, 0.9255,  ..., 0.9176, 0.9176, 0.9176],[0.9255, 0.9255, 0.9255,  ..., 0.9176, 0.9176, 0.9176],[0.9255, 0.9255, 0.9255,  ..., 0.9176, 0.9176, 0.9176],...,[0.7882, 0.7882, 0.7882,  ..., 0.7922, 0.7922, 0.7922],[0.7882, 0.7882, 0.7882,  ..., 0.7922, 0.7922, 0.7922],[0.7882, 0.7882, 0.7882,  ..., 0.7922, 0.7922, 0.7922]],[[0.9255, 0.9255, 0.9255,  ..., 0.9216, 0.9216, 0.9216],[0.9255, 0.9255, 0.9255,  ..., 0.9216, 0.9216, 0.9216],[0.9255, 0.9255, 0.9255,  ..., 0.9216, 0.9216, 0.9216],...,[0.7961, 0.7961, 0.7961,  ..., 0.7922, 0.7922, 0.7922],[0.7961, 0.7961, 0.7961,  ..., 0.7922, 0.7922, 0.7922],[0.7961, 0.7961, 0.7961,  ..., 0.7922, 0.7922, 0.7922]],[[0.9255, 0.9255, 0.9255,  ..., 0.9294, 0.9294, 0.9294],[0.9255, 0.9255, 0.9255,  ..., 0.9294, 0.9294, 0.9294],[0.9255, 0.9255, 0.9255,  ..., 0.9294, 0.9294, 0.9294],...,[0.7922, 0.7922, 0.7922,  ..., 0.8000, 0.8000, 0.8000],[0.7922, 0.7922, 0.7922,  ..., 0.8000, 0.8000, 0.8000],[0.7922, 0.7922, 0.7922,  ..., 0.8000, 0.8000, 0.8000]]])
'''

torchvision 笔记：ToTensor()相关推荐

torchvision 笔记：transforms.Compose()
torchvision.transforms.Compose()类的主要作用是串联多个transforms列表里面的transform操作比如,在torchvision 笔记:transforms. ...
torchvision 笔记：transforms.Normalize()
一般和transforms.ToTensor()搭配使用作用就是先将输入归一化到(0,1)[transforms.ToTensor()],再使用公式"(x-mean)/std", ...
pytorch torchvision.transforms.ToTensor
API 将Shape=(HWC)的PIL.Image或者numpy.ndarray转换成shape=(CHW)的范围在[0.0,1.0]的torch.FloatTensor 像素值范围从[0, 255 ...
torchvision.transforms.ToTensor（细节）对应caffe的转换
目录 1)torchvision.transforms.ToTensor 2)pytorch的图像预处理和caffe中的图像预处理写这篇文章的初衷,就是同事跑过来问我,pytorch对图像的预处理为 ...
torchvision.transforms.ToTensor的用法
#torchvision.transforms.ToTensor 对于一个图片img,调用ToTensor转化成张量的形式,发生的不是将图片的RGB三维信道矩阵变成tensor 图片在内存中以byte ...
[Pytorch] torchvision.transforms.ToTensor
PyTorch框架中有一个非常重要且好用的包:torchvision,该包主要由3个子包组成,分别是:torchvision.datasets.torchvision.models.torchvisi ...
PyTorch 笔记（20）— torchvision 的 datasets、transforms 数据预览和加载、模型搭建（torch.nn.Conv2d/MaxPool2d/Dropout）
计算机视觉是深度学习中最重要的一类应用,为了方便研究者使用,PyTorch 团队专门开发了一个视觉工具包torchvision,这个包独立于 PyTorch,需通过 pip instal torchv ...
pytorch的图像通道变换，torchvision.transforms.Compose，T.ToTensor
torchvision.transforms.ToTensor 显示的二值化图片如图所示, 将numpy的图片shape是hwc(高,宽,通道)格式的图片矩阵转换为chw格式的torch.tensor ...
PyTorch深度学习入门笔记（五）torchvision中DataLoader的使用
dataloader简介 dataset在程序中起到的作用是告诉程序数据在哪,每个索引所对应的数据是什么.相当于一系列的存储单元,每个单元都存储了数据.这里可以类比成一幅扑克牌,一张扑克牌就是一个数据 ...

torchvision 笔记：ToTensor()

1 ToTensor

1.1 Ndarray

1.1.1 np.uint8 类型

1.1.2 非np.uint8 类型

1.2 图片

torchvision 笔记：ToTensor()相关推荐

最新文章

热门文章