訂閱
糾錯(cuò)
加入自媒體

數(shù)據(jù)格式轉(zhuǎn)化,PyTorch就是救星!

介紹

Pytorch是一個(gè)深度學(xué)習(xí)框架,廣泛用于圖像分類、分割、目標(biāo)識(shí)別等各種任務(wù)。在這種情況下,我們必須處理各種類型的數(shù)據(jù)。很可能在大多數(shù)情況下,數(shù)據(jù)可能不是我們所需要的格式。PyTorch轉(zhuǎn)換就是救星。

torchvision.transforms模塊提供了可以使用的各種圖像轉(zhuǎn)換。我們使用變換對(duì)數(shù)據(jù)進(jìn)行一些操作,使其適合于訓(xùn)練torchvision模塊,PyTorch為常見的圖像變換提供變換有關(guān)的函數(shù)。這些變換可以使用Compose鏈接在一起。

讓我們?cè)诒疚闹锌纯雌渲械膸讉(gè)!準(zhǔn)備好了嗎?

1. ToTensor

這是一個(gè)非常常用的轉(zhuǎn)換。在PyTorch中,我們主要處理張量形式的數(shù)據(jù)。如果輸入數(shù)據(jù)是NumPy數(shù)組或PIL圖像的形式,我們可以使用ToTensor將其轉(zhuǎn)換為張量格式。

最后一個(gè)張量的形式是(C * H * W)。同時(shí),還執(zhí)行從0–255到0–1的范圍內(nèi)的縮放操作。

讓我們用一個(gè)例子來(lái)更好地理解它。在這個(gè)博客中,我將使用Ragnar(我最喜歡的虛構(gòu)角色)的圖像來(lái)執(zhí)行轉(zhuǎn)換。

2.  Normalize

此操作將獲取張量圖像,并使用平均值和標(biāo)準(zhǔn)差對(duì)其進(jìn)行歸一化。它有3個(gè)參數(shù):mean, std, inplace。我們需要為3個(gè)通道提供一系列平均值,作為參數(shù)“mean”,“std”類似。如果將“inplace”設(shè)為True,則將計(jì)算得到的值覆蓋之前的值。

torchvision.transforms.Normalize([meanOfChannel1, meanOfChannel2, meanOfChannel3], [stdOfChannel1, stdOfChannel2, stdOfChannel3])
#Example:
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))

3. CenterCrop

這將在中心裁剪給定的張量圖像。你可以以(高度、寬度)的形式向transforms.CenterCrop()提供要裁剪的大小作為輸入。讓我們?cè)趫D像上實(shí)現(xiàn)這個(gè)并進(jìn)行檢查。

transform = transforms.Compose([transforms.ToTensor(),transforms.CenterCrop((200,100))])
tensor_img = transform(image)
tensor_img.shape
Output: torch.Size([3, 200, 100])

如果只提供一個(gè)尺寸標(biāo)注而不是兩個(gè)尺寸標(biāo)注,會(huì)發(fā)生什么情況?

它將假設(shè)它是一個(gè)正方形,并且將生成一個(gè)(size, size))的裁剪。

如果給定的尺寸比原來(lái)的尺寸大呢?

沿著這些邊,圖像將填充0!

4. RandomHorizontalFlip

此變換將以給定的概率水平(隨機(jī))翻轉(zhuǎn)圖像。你可以通過(guò)參數(shù)“p”來(lái)設(shè)置這個(gè)概率。p的默認(rèn)值為0.5。

檢查我下面的例子來(lái)理解。

transform = transforms.Compose([transforms.RandomHorizontalFlip(p=0.9)])
tensor_img = transform(image)
tensor_img

查看原始圖像和翻轉(zhuǎn)的圖像!

1  2  下一頁(yè)>  
聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)