您的位置:首页 > 财经 > 产业 > torchvision库学习之transforms.Compose(模块)

torchvision库学习之transforms.Compose(模块)

2025/3/17 13:29:25 来源:https://blog.csdn.net/qq_46396470/article/details/141902634  浏览:    关键词:torchvision库学习之transforms.Compose(模块)

torchvision库学习之transforms.Compose(模块)

一、简介

transforms.Composetorchvision 库中的一个模块,用于将多个图像变换操作组合在一起。它允许用户将一系列图像变换操作按顺序应用于图像数据,简化了数据预处理流程。

二、语法和参数

语法
transforms.Compose(transforms)
参数
  • transforms:一个包含多个图像变换操作的列表,这些操作将按顺序应用于输入图像。

三、实例

3.1 将图像转换为张量并归一化
  • 代码
from torchvision import transforms
from PIL import Image
import torch# 定义变换操作
transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])# 加载图像
image = Image.open('2015_00097.jpg')# 应用变换操作
transformed_image = transform(image)# 输出变换后的张量
print(transformed_image.shape)
  • 输出
# 输出一个归一化后的张量,形状为 (3, H, W)
3.2 图像随机裁剪和水平翻转
  • 代码
from torchvision import transforms
from PIL import Image# 定义变换操作
transform = transforms.Compose([transforms.RandomResizedCrop(224),transforms.RandomHorizontalFlip()
])# 加载图像
image = Image.open('example.jpg')# 应用变换操作
transformed_image = transform(image)# 显示变换后的图像
transformed_image.show()
  • 输出
# 显示一个随机裁剪并水平翻转后的图像

四、注意事项

  1. transforms.Compose 中的变换操作将按顺序应用,因此顺序非常重要。
  2. 确保输入图像的格式与变换操作的要求一致,例如 transforms.ToTensor() 期望输入是 PIL 图像。
  3. 在使用 transforms.Normalize 时,需要提供正确的均值和标准差,这些值通常根据预训练模型的要求来设置。

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com