首先，這次講解的tansforms功能，通俗地講，類似于在計算機視覺流程里的影像預處理部分的資料增強，
transforms的原理：
說明：圖片（輸入）通過工具得到結果（輸出），這個工具，就是transforms模板工具,(tool=transforms.ToTensor()具體工具),使用工具result=tool(圖片)
tansforms的呼叫與使用，由下圖可得：
- 先創建一個
transforms.Tensor()，使用from torchvision import transforms調包 transforms去調init函式init去呼叫真正的transforms類，里面就有很多的方法（綠色五角星標注），例如：resize,ToTensor,CenterCrop（從這些方法可以看出，許多都是資料增強的方法），
3. 接下來，上代碼：
import os
from torchvision import transforms
from PIL import Image
root_path = "D:\\data\\basic\\Image"
label_path = "aligned"
# 1.獲取aligned第一張圖的名字
img_dir = os.path.join(root_path, label_path)
img_list = os.listdir(img_dir)
img_path = img_list[0]
# 2.獲取aligned第一張圖的路徑
img = os.path.join(root_path, label_path, img_path)
# 3.使用python自帶的PIL獲取圖片
img = Image.open(img)
# 4.將PIL利用transforms轉換成ToTensor
to_tensor = transforms.ToTensor() # 創建totensor ()
img = to_tensor(img) # 使用to_tensor直接將圖片的PIL轉化為tensor
print(img)
# transforms
- 代碼結果：
上一章 初識Pytorch使用Tensorboard來觀察資料
下一章 初識Pytorch之Tensorboard與Transforms搭配使用
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/395023.html
標籤：AI
上一篇：R語言基于可視化進行多變數離群（Mulltivariate outliers）點檢測識別：散點圖可視化多變數離群點、模型平滑多變數例外檢測、使用平行坐標圖查看鉆石資料集中的例外值
下一篇：PHP表單驗證及安全