导入和函数
# 作用：转化为TensorFlow数据类型
from torchvision import transform
tensor_test = transform.Totensor() # Totensor是一个类
img = tensor_test(img_input)
Tensor数据类型
包装了神经网络需要的参数
常见的Tensorforms类
- image.open()打开的数据类型是PIL
- cv2.imread()打开的数据类型是numpy.ndarray
- Totensor()之后的数据类型是tensor
__call__函数的使用
class person:
def __call__(self,name):
print("__call__"+"Hello"+name)
def hello(self,name):
print("hello"+name)
person = person()
person("ZhangSan")
person.hello("ZhangSan")
可以看出__call__可以允许类直接使用参数进行函数的调用
Totensor和Normalize的使用
# 转化为tensor格式
trans_tensor = transform.Totensor()
img_tensor = trans_tensor(img)
# Normalize 归一化 input[channel] = (input[channel] - mean[channel] / std[channel])
# 输入是tensor，均值和标准差，三通道输入三个值
trans_norm = transform.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)
Resize的使用
#输入为PIL image，返回值也是PIL
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)
Compose的使用
trans_compose = transforms.Compose([trans_resize,trans_totensor])
Compose中第一个参数的输出是第二个参数的输入，最后输出最后一个参数的输出。
RandomCrop随机裁剪，一个参数是正方形，也可以指定(h,w)
title: 注意
⚠️使用各个函数的时候一定要注意输入和输出。
⚠️多看官方文档。
