一、transforms运行机制
1.1 torchvision——计算机视觉工具包
- torchvision.transforms : 常用的图像预处理方法
- torchvision.datasets : 常用数据集的dataset实现, MNIST, CIFAR-10, ImageNet等
- torchvision.model: 常用的模型预训练, AlexNet, VGG, ResNet, GoogLeNet等
1.2 torchvision.transforms : 常用的图像预处理方法
- 数据中心化, 数据标准化
- 缩放, 裁剪, 旋转, 翻转, 填充, 噪声添加
- 灰度变换, 线性变换, 仿射变换
- 亮度、饱和度及对比度变换
示例:
norm_mean = [0.485, 0.456, 0.406] # 设置标准化的均值
norm_std = [0.229, 0.224, 0.225] # 设置标准化的方差
train_transform = transforms.Compose([ # Compose将一系列预处理方法进行有序组合,依次进行操作
transforms.Resize((32, 32)), # 缩放
transforms.RandomCrop(32, padding=4), # 裁剪
transforms.ToTensor(), # 转化张量,同时将数据值归一化到0到1
transforms.Normalize(norm_mean, norm_std),# 标准化
])
valid_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
# 构建MyDataset实例
train_data = RMBDataset(data_dir=train_dir, transform=train_transform)
valid_data = RMBDataset(data_dir=valid_dir, transform=valid_transform)
# 构建DataLoder
train_loader = DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
valid_loader = DataLoader(dataset=valid_data, batch_size=BATCH_SIZE)
1.3 transforms运行机制
二、数据标准化——transforms.normalize
来源:CSDN
作者:G5Lorenzo
链接:https://blog.csdn.net/qq_36825778/article/details/104088528