Pytorch源碼解讀-torchvision.transforms

torchvision.transforms對于使用Pytorch的人肯定不陌生，我也用了Pytorch但是對transform卻不是真正掌握，圖檔的預處理對網絡的性能十分重要，是以打算仔細看看pytorch的源碼。

Transforms組成

Transforms are common image transforms. They can be chained together using

Compose

Transforms是常用的一些圖像變換操作，可以用

Compose

将這些變換組合在一起

Transfroms由5部分組成

• Transforms on PIL Image
• Transforms on torch.Tensor
• Conversion Transforms
• Generic Transforms
• Functional Transforms

其中，前兩部分

Transforms on PIL Image

和

Transforms on torch.*Tensor

用的比較多。下面會詳細說明，先說一下

compose

compose

Compose

是一個類用來組合所有的變換操作。

class torchvision.transforms.Compose(transforms)

使用方法，應該很常見：

transforms.Compose([
		transforms.CenterCrop(10),
	    transforms.ToTensor(),
        ])
           

Transforms on PIL Image

函數	用途	用法
CenterCrop(size)	crops the given PIL image at the center 從圖檔中心剪裁一個size大小的圖檔	CenterCrop(160)
GrayScale(num)	convert image to grayscale 将圖檔變成灰階圖	GrayScale(1)或者 GrayScale(3)
RandomCrop(size)	crop the given PIL image at a random location 在給定的圖檔中随機的剪裁一張size大小的圖。 這個在訓練中經常用到，算作一種資料增強的手段	RandomCrop(224)
RandomHorizontaFlip(p)	Horizontally flip the given image randomly with a given probability 按照給定機率随機的對圖檔進行水準鏡像 這一條也經常用于訓練	RandomHorizontaFlip(0.5)
Resize(size)	Resize the input PIL image to the given size 一般用在驗證集和測試集	Resize(224)

Transforms on torch.Tensor

Tensor資料的處理隻有一個函數

Normalize(mean,std)

Normalize函數幾乎都會用到，需要注意的是:

隻能對Tensor資料進行Normalize，不能對PIL image用，即在用

transform.Normalize()

前先使用下面的

transform.ToTensor()

用法：

transform.Normalize([127.5,127.5,127.5],[128,128,128])

對指定通道的像素減去均值除以方差，一般用于圖檔的歸一化，均值和方差的取值需要注意。

Conversion Transforms

這部分包括兩個變換：

• class torchvision.transforms.ToPILImage(mode=None)

  将Tensor形式變成PIL Image形式，用的不多

• class torchvision.transforms.ToTensor

  将PIL Image形式變成Tensor形式，用的很多，隻要你用到gpu都會涉及到。

Converts a PIL Image or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0].

将一個image或者numpy.ndarrya形式的圖檔，圖檔的取值範圍[0,255]變成一個tensor，tensor的取值為[0,1]，并且通道順序由HWC變成CHW。

需要注意兩點，圖檔的取值範圍和通道順序。取值範圍會影響到接下來的歸一化

normalize

。通道順序從高x寬x通道變成通道x高x寬，簡單說就是從224x224x3變成3x224x224