Pytorch常用操作

torchvision.transforms

先看看一个transform是干啥的：

transform通常用于处理图像，它将图像进行一定的变换（transform），具体来说有：

class torchvision.transforms.ToTensor

把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor，例如

data = np.random.randint(0, 255, size=300)
img = data.reshape(10,10,3) print(img.shape) img_tensor = transforms.ToTensor()(img) # 转换成tensor print(img_tensor)

class torchvision.transforms.Normalize(mean, std)

给定均值：(R,G,B) 方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std

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

将输入的`PIL.Image`重新改变大小成给定的`size`，`size`是最小边的边长。举个例子，如果原图的`height>width`,那么改变大小后的图片大小是`(size*height/width, size)`。interpolation是插值方式，默认为PIL.Image.BILINEAR。

然后可以将这些变换集成为一个：

class torchvision.transforms.Compose(transforms)

将多个transform组合起来使用。