深度学习入门笔记——Transform的使用

Transfrom是什么？

可以看作是一个图像处理的工具箱，通过查看Transform类可以找到不同的图像处理方法

更准确的说，Transform中有各种类的的定义，我们可以通过继承或者构造这些类，然后调用里面的方法来实现相应的功能



可以通过结构来便捷的查看transform中的类和方法，然后实现对应的对象即可。其中__call__函数的作用就是在调用这个对象的时候自动调用的函数比如这是Totensor类的定义，可以看到就是将其他格式的图像转化为tensor格式的图像

具体的代码如下，输出的就是tensor类型的图像

from torchvision import transforms
from PIL import Image

image_path="dataset/hymenoptera_data/train/ants_image/7759525_1363d24e88.jpg"
image=Image.open(image_path)

transform_class = transforms.ToTensor() # 构造transform中的ToTensor类
image_tensor =transform_class(image) # 调用类将图像转化为tensor格式（__call__函数）
print(type(image_tensor))

Tensor格式有什么用

相较于PIL的image格式和numpy的array格式，tensor图像格式的作用在于它包含了用于神经网络的一些属性，比如反向传递、使用的是CPU还是GPU进行训练等等，所以tensor图像格式更适合用来进行神经网络的训练

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image

image_path="dataset/hymenoptera_data/train/ants_image/7759525_1363d24e88.jpg"
image=Image.open(image_path)

transform_class = transforms.ToTensor() # 构造transform中的ToTensor类
image_tensor =transform_class(image) # 调用类将图像转化为tensor格式（__call__函数）

writer = SummaryWriter("logs")
writer.add_image("tensor_image",image_tensor,1) # 用tensor格式显示图像
writer.close()

此外，我们可以看到，使用PIL处理的图像格式是Jpeg格式，opencv处理的图像是numpy的array格式，transform处理的图像是tensor格式，三者是不相同的



各种格式以及对应的调用方法如下：