「Deep Learning」理解Pytorch中的「torchvision.transforms」
来源:互联网 发布:java中的final关键字 编辑:程序博客网 时间:2024/06/06 09:47
Sina Weibo:小锋子Shawn
Tencent E-mail:403568338@qq.com
http://blog.csdn.net/dgyuanshaofeng/article/details/78764840
torchvision里面的transforms对图像做变换,跟数据扩充/增强有关。
Compose将几种变换组合起来。
Resize重定图像的大小。给[h, w]重定大小为矩形图像,给size,图像的短边重定大小为size,另一边按照比例放缩。
RandomCrop随机裁剪图像中的某区域,就是“取图像块”。给[h, w]取矩形块,给size,取正方形块。
RandHorizontalFlip以0.5概率左右翻转图像。
RandVerticalFlip以0.5概率上下翻转图像。
ToTensor将PIL图像或者numpy多维数组转换为张量图像。具体地,PIL图像或者numpy多维数组(H*W*C)[0, 255]转换为(C*H*W)[0.0, 1.0],也就是转换为0到1之间的浮点型(实数),并且channel first了。
Normalize将张量图像归一化/标准化,即减去均值,除以标准差,特别注意的是,这个过程/计算是逐通道的。均值和标准差,可以对训练数据集计算一次,或者可以自己指定,比如三通道张量图像,均值指定为(0.5, 0.5, 0.5),标准差指定为(0.5, 0.5, 0.5)。
Lambda,用户自己定义变换。
阅读全文
0 0
- 「Deep Learning」理解Pytorch中的「torchvision.transforms」
- 「Deep Learning」理解Pytorch中的「torch.utils.data」
- 「Deep Learning」理解Pytorch中的「torch.nn」
- 「Deep Learning」理解Pytorch中的「torch.cuda」
- pytorch-torchvision transforms
- torchvision中的transforms
- torchvision.transforms
- 「Deep Learning」Ubuntu 14.04+Anaconda2+Caffe+OpenCV2+TensorFlow+TensorLayer+Keras+Pytorch
- PyTorch学习系列(二)——数据预处理torchvision.transforms
- 「Deep Learning」Adam
- 「Deep Learning」Batch Normalization - Accelerating Deep Network Training
- 「Deep Learning」Optimizers/Solvers
- 「Deep Learning」Activation function
- 「Deep Learning」V-Net
- 「Deep Learning」Notes on SoftMax
- 「Deep Learning」Caffe: convert_imageset.cpp
- 「Deep Learning」Spatial Transformer Networks
- 「Deep Learning」Instance Normalization
- 文章标题
- ExecutorService的正确关闭方法
- Django项目-编写Django应用
- 状态机(一):抽象的控制流程模型
- netty源码分析之-ByteBuf详解以及与JDK中ByteBuffer差异(11)
- 「Deep Learning」理解Pytorch中的「torchvision.transforms」
- 性能测试之常见系统应用分层架构
- JS中some(),every(),forEach(),map(),filter()区别
- Scala基础学习之tuple(元组),Array(数组),Map(映射)
- 空间统计学习笔记——DBSCAN 聚类分析
- Mysql : Mysql引擎
- zoj3317——Murder in Restaurant
- IDEA快捷键
- 【一起来学C语言】函数(二)