【小白学PyTorch】7.最新版本torchvision.transforms常用API翻译与讲解

机器学习炼丹术】的学习笔记分享

<<小白学PyTorch>>

小白学PyTorch | 6 模型的构建访问遍历存储（附代码）

小白学PyTorch | 5 torchvision预训练模型与数据集全览

小白学PyTorch | 4 构建模型三要素与权重初始化

小白学PyTorch | 3 浅谈Dataset和Dataloader

小白学PyTorch | 2 浅谈训练集验证集和测试集

小白学PyTorch | 1 搭建一个超简单的网络

小白学PyTorch | 动态图与静态图的浅显理解

本文共6000字，12张图，建议大家有空的时候随便看看就行。第8课是PyTorch实战内容，更重要。本文有问题或者有疑惑的地方，可以加个人微信进行讨论。近期在个人朋友圈有一次红包抽奖活动，也欢迎参加。

参考目录：

1 基本函数
- 1.1 Compose
- 1.2 RandomChoice
- 1.3 RandomOrder
2 PIL上的操作
- 2.1 中心切割CenterCrop
- 2.2 随机切割RandomCrop
- 2.3 随机比例切割
- 2.4 颜色震颤ColorJitter
- 2.5 随机旋转RandomRotation
- 2.6 灰度化Grayscale
- 2.7 size
- 2.8 概率随机（常用）
3 Tensor上的操作
- 3.1 标准化Normalize
4 PIL，Tensor转换函数
- 4.1 ToPILImage
- 4.2 ToTensor
5 案例代码分析

老样子，先看官方对torchvision.transforms的介绍：

这个Transforms是常见的图像的转换（包含图像增强等），然后不同的transforms可以通过Compose函数连接起来（类似于Sequence把网络层连接起来一样的感觉）。后面的是关于图像分割任务了的介绍，因为入门PyTorch主要是图像分类，所以后面先不提了。

1 基本函数

1.1 Compose

【代码】

torchvision.transforms.Compose(transforms)

【介绍】

将不同的transform压缩在一起，这是非常重要的函数

【代码举例】

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

1.2 RandomChoice

【代码】

torchvision.transforms.RandomChoice(transforms)

【介绍】

用法和Compose相同，是在transform的list中随机选择1个transform进行执行。

1.3 RandomOrder

【代码】

torchvision.transforms.RandomOrder(transforms)

【介绍】

用法和Compose相同，是乱序list中的transform。

之前的课程提到了，在torchvision官方的数据集中，提供的数据是PIL格式的数据，然后我们需要转成FloatTensor形式的数据。因此这里图像增强的处理也分成在PIL图片上操作的和在FloatTensor张量上操作的两种。

2 PIL上的操作

2.1 中心切割CenterCrop

【代码】

torchvision.transforms.CenterCrop(size)

【介绍】

以PIL图片中心为中心，进行图片切割。比较常用

【参数】size (sequence or int) – 想要切割出多大的图片。如果size是一个整数，那么就切割一个正方形；如果是一个（height,width）的tuple，那么就切割一个长方形。

【代码举例】

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

2.2 随机切割RandomCrop

【代码】

torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

【介绍】

和CenterCrop类似，但是是随机选取中心进行切割的

【参数】

size也是可以是int可以是tuple（height，width）
padding就是是否对图片进行填充，你可以输入2元组，表示左右填充和上下填充，也可以输入四元组，表示左上右下的填充；
pad_if_needed是boolean，一般是True。随机选取如果选取的比较边缘，超出了边界，那么是否进行填充
fill （int），你选择填充的是0（黑色），还是255（白色）呢？这个尽在padding_mode='constant'时有效
padding_mode表示填充的方法。有四种：'constant', 'edge', 'reflect' or 'symmetric' . 默认是constant常数填充。edge是填充边缘的那个像素值，一般效果比constant强一些，自己做的项目中；reflect和symmetric都是表示以边界为轴进行镜像的填充，区别在于：
- reflect:[1,2,3,4,5]进行padding=2的时候，那么就是[3,2,1,2,3,4,5,4,3]
- symmetric:[1,2,3,4,5]进行padding=2的时候，那么就是[2,1,1,2,3,4,5,5,4]
- 区别是否重复边界的哪一个元素。两种方法差别不大。

2.3 随机比例切割

【代码】

torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333), interpolation=2)

【介绍】

这个比较有意思，随机大小切割图片，然后再resize到设置的size大小。

参数中scale控制切割图片的大小是原图的比例，然后ratio控制切割图片的高宽比（纵横比），默认是从3/4 到 4/3。切割完成后再resize到设置的size大小。这个方法一般用在训练inception网络。

2.4 颜色震颤ColorJitter

【代码】

torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)【介绍】

随机修改亮度brightness,对比度contrast, 饱和度saturation,色相hue

【参数】

brightness (float or tuple (min, max)) – 如果输入是一个float，那么建议在选取一个小于1的浮点数。亮度系数会从区间均匀选取，如果我使用这个，我设置brightness是0.1的话，那么这个系数就是

之间随机选取。如果输入时一个tuple的话，那么就是在

中选取。
contrast (float or tuple (min, max)) – 和上面一样，也是一个系数的选取。
saturation (float or tuple (min, max)) – 和上面一样，也是一个系数的选取。
hue (float or tuple (min, max)) – hue是色相。这里色相的取值应该小于0.5。如果输入时一个float，那么取值应该

，系数在

选取；如果是tuple，那么就是

2.5 随机旋转RandomRotation

【代码】

torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)

【介绍】

就是随机的按照角度宣传图片

【参数】

degrees （int or tuple (min,max)) – 老规矩了，整数旋转角度就是[-int,int],tuple就是[min,max]
expand (bool, optional) – True就是让扩大图片，让图片可以包括所有内容（图片旋转的话，四个角的信息其实是旋转到了图片的外面，这个是扩大图片的像素尺寸，如果True在后面还要接一个resize的transforms）; 默认是False，旋转后的图片和输入图片是同样的尺寸。
center (2-tuple, optional) – 可以设置成非图片中心的旋转
fill (n-tuple or int or float) – 设置填充像素值的，默认是0，一般也会选取0.

2.6 灰度化Grayscale

【代码】

torchvision.transforms.Grayscale(num_output_channels=1)

【介绍】

这个函数虽然不重要，但是会用的话可以提高变成速度哈哈。就是把图片转换成灰度的。

【参数】

num_output_channels (int) – 正常情况下灰度图片是单通道的，但是这里你可以设置成3，这样的话，会输出3个通道的灰度图片（三个通道的特征值相同），这样的话，你就不用修改torchvision的预训练模型中的输入接口了。（因为之前提到的，预训练模型使用ImageNet训练的，输入都是三通道彩色图）

2.7 size

【代码】

torchvision.transforms.Resize(size, interpolation=2)

【介绍】

把PIL图片resize成指定大小

【参数】

size (tuple(height,width) or int) – tuple的话就直接resize成指定大小；int的话，就按照比例，让图片的短边长度变成int大小。
interpolation (int, optional) – 插值方法，一般都使用默认的PIL.Image.BILINEAR双重线性插值。

2.8 概率随机（常用）

图像增强有：变成灰度，镜像，翻转，平移，旋转等。

【代码】

# 变成灰度，输入输出通道数默认相同
torchvision.transforms.RandomGrayscale(p=0.1)
# 随机水平翻转
torchvision.transforms.RandomHorizontalFlip(p=0.5)
# 随机竖直翻转
torchvision.transforms.RandomVerticalFlip(p=0.5)

【参数】

p：表示执行这个transform的概率

3 Tensor上的操作

3.1 标准化Normalize

【代码】

torchvision.transforms.Normalize(mean, std, inplace=False)

【参数】

mean和std都是list，[mean_1,...,mean_n]和[std_1,...,std_n],n为通道数。每一个通道都应该有一个mean和std。计算的方法是,就是常用的那种：

4 PIL，Tensor转换函数

4.1 ToPILImage

torchvision.transforms.ToPILImage(mode=None)

【介绍】

把一个tensor或者np的array转换成PIL。值得注意的是，如果输入时Tensor，那么维度应该是 C x H x W ，如果是numpy的话，是 H x W x C。 （这是一个一般不会出现，但是一旦出现很难想到的问题。）

4.2 ToTensor

torchvision.transforms.ToTensor

【介绍】

把PIL或者numpy转换成Tensor。PIL和Numpy （格式H x W x C，范围[0,255]）,转换成Tensor（格式C x H x W，范围[0，1]）

5 案例代码分析

from PIL import Image
from torchvision import transformsdef loadImage():# 读取图片im = Image.open("brunch.jpg")im = im.convert("RGB")im.show()return im
im = loadImage()

图片是我在英国留学的时候，有一道菜叫无花果土司，虽然不好吃但是好看，原图：

#从中心裁剪一个600*600的图像
output = transforms.CenterCrop(600)(im)
output.show()

# 从中心裁一个长为600，宽为800的图像
output = transforms.CenterCrop((600,800))(im)
output.show()

#随机裁剪一个600*600的图像
output = transforms.RandomCrop(600)(im)
output.show()

#随机裁剪一个600*800的图像
output = transforms.RandomCrop((600,800))(im)
output.show()

#从上、下、左、右、中心各裁一个300*300的图像
outputs = transforms.FiveCrop(300)(im)
outputs[4].show()

类似的图片，就不占用painful了

#p默认为0.5，这里设成1，那么就肯定会水平翻转
output = transforms.RandomHorizontalFlip(p=1.0)(im)
output.show()

output = transforms.RandomVerticalFlip(p=1)(im)
output.show()

#在（-30,30）之间选择一个角度进行旋转
output = transforms.RandomRotation(30)(im)
output.show()

#在60-90之间选择一个角度进行旋转
output = transforms.RandomRotation((60,90))(im)
output.show()

output = transforms.Resize((400,500))(im)
output.show()

这个图像一样就尺寸变小了，就不放图了。

trans = transforms.Compose([transforms.CenterCrop(300),transforms.RandomRotation(30),])
output = trans(im)
output.show()

- END -

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：