Pytorch中transform的常见用法

transforms模块详解

transforms是torchvision中的一个重要模块，它是Pytorch的图像预处理包，包含了很多种对图像数据进行变换的函数，这些都是我们加载训练数据步骤中必不可少的。比较常见的是下面的这部分代码：

data_transforms = transforms.Compose([
        transforms.RandomResizedCrop(224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])

Compose方法是将多种变换组合在一起。上述对data_transforms进行了四种变换，前两个是对PILImage进行的，分别对其进行随机大小和随机宽高比的裁剪，之后resize到指定大小224，以及对原始图像进行随机的水平翻转;
第三个transforms.ToTensor()将PILImage的转变为torch.FloatTensor的数据形式；最后一个Normalize则是对tensor进行的，不要问这些数值是怎么来的它们都是从ImageNet训练模型中总结出来的参数。下面需要着重强调一点是多种组合变换有一定的先后顺序,处理PILImage的变换方法(大多数方法)都需要放在ToTensor方法之前，而处理tensor的方法如上面的Normalize方法则要放在ToTensor方法之后。

transforms中的一些函数

• ToTensor:convert a PIL image to tensor (HWC) in range [0,255] to a torch.Tensor(CHW) in the range [0.0,1.0]
• Normalize：Normalized an tensor image with mean and standard deviation
  即：用给定的均值和标准差分别对每个通道的数据进行正则化。具体来说，给定均值(M1，M2，.....,Mn)，给定标准差(S1,S2,...,Sn),其中n是通道数（一般是3），对每个通道进行如下的操作：

output[channel]=(input[channel]-mean[channel])/std[channel]

例如：原来的tensor是三个维度，值在[0,1]之间，经过变换之后得到[-1,1]
计算如下：

((0,1)-0.5)/0.5=(-1,1)

• ToPILImage：convert a tensor to PILImage

transforms针对PILImage的操作还有很多

• 1.CenterCrop：在图片的中间区域进行裁剪
• 2.RandomCrop：在一个随机的位置进行裁剪
• 3.RandomHorizonFlip：以0.5的概率水平翻转给定的PIL图像
• 4.RandomVerticalFlip：以0.5的概率垂直翻转给定的PIL图像
• 5.RandomResizedFlip：将PIL图像裁剪成任意大小纵横比
• 6.Grayscale：将图像转换为灰度图像
• 7.RandomGrayscale：将图像以一定的概率转换为灰度图像
• 8.FiceCrop：把图像裁剪为四个角和一个中心
• 9.Pad:填充
• 10.ColorJitter：随机改变图像的亮度对比度和饱和度