torchvision源码解读之transformWord文件下载.docx
- 文档编号:21773976
- 上传时间:2023-02-01
- 格式:DOCX
- 页数:21
- 大小:22.73KB
torchvision源码解读之transformWord文件下载.docx
《torchvision源码解读之transformWord文件下载.docx》由会员分享,可在线阅读,更多相关《torchvision源码解读之transformWord文件下载.docx(21页珍藏版)》请在冰豆网上搜索。
Pad"
"
Lambda"
RandomCrop"
RandomHorizontalFlip"
RandomVerticalFlip"
RandomResizedCrop"
RandomSizedCrop"
FiveCrop"
TenCrop"
LinearTransformation"
ColorJitter"
RandomRotation"
Grayscale"
RandomGrayscale"
]
#Compose这个类是用来管理各个transform的,可以看到主要的__call__方法就是对输入图像img循环所有的transform操作
classCompose(object):
"
Composesseveraltransformstogether.
Args:
transforms(listof``Transform``objects):
listoftransformstocompose.
Example:
>
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])
def__init__(self,transforms):
self.transforms=transforms
def__call__(self,img):
fortinself.transforms:
img=t(img)
returnimg
#ToTensor类是实现:
ConvertaPILImageornumpy.ndarraytotensor的过程,
#在PyTorch中常用PIL库来读取图像数据,因此这个方法相当于搭建了PILImage和Tensor的桥梁。
#在做数据归一化之前必须要把PILImage转成Tensor,而其他resize或crop操作则不需要。
classToTensor(object):
Converta``PILImage``or``numpy.ndarray``totensor.
ConvertsaPILImageornumpy.ndarray(HxWxC)intherange
[0,255]toatorch.FloatTensorofshape(CxHxW)intherange[0.0,1.0].
def__call__(self,pic):
pic(PILImageornumpy.ndarray):
Imagetobeconvertedtotensor.
Returns:
Tensor:
Convertedimage.
returnF.to_tensor(pic)
#ToPILImage顾名思义是从Tensor到PILImage的过程,和前面ToTensor类的相反的操作
classToPILImage(object):
ConvertatensororanndarraytoPILImage.
Convertsatorch.*TensorofshapeCxHxWoranumpyndarrayofshape
HxWxCtoaPILImagewhilepreservingthevaluerange.
mode(`PIL.Imagemode`_):
colorspaceandpixeldepthofinputdata(optional).
If``mode``is``None``(default)therearesomeassumptionsmadeabouttheinputdata:
1.Iftheinputhas3channels,the``mode``isassumedtobe``RGB``.
2.Iftheinputhas4channels,the``mode``isassumedtobe``RGBA``.
3.Iftheinputhas1channel,the``mode``isdeterminedbythedatatype(i,e,
``int``,``float``,``short``).
.._PIL.Imagemode:
http:
//pillow.readthedocs.io/en/3.4.x/handbook/concepts.html#modes
def__init__(self,mode=None):
self.mode=mode
pic(Tensorornumpy.ndarray):
ImagetobeconvertedtoPILImage.
PILImage:
ImageconvertedtoPILImage.
returnF.to_pil_image(pic,self.mode)
#Normalize类是做数据归一化的,一般都会对输入数据做这样的操作,公式也在注释中给出了,比较容易理解。
#前面提到在调用Normalize的时候,输入得是Tensor,这个从__call__方法的输入也可以看出来了。
classNormalize(object):
Normalizeantensorimagewithmeanandstandarddeviation.
Givenmean:
``(M1,...,Mn)``andstd:
``(S1,..,Sn)``for``n``channels,thistransform
willnormalizeeachchanneloftheinput``torch.*Tensor``i.e.
``input[channel]=(input[channel]-mean[channel])/std[channel]``
mean(sequence):
Sequenceofmeansforeachchannel.
std(sequence):
Sequenceofstandarddeviationsforeachchannel.
def__init__(self,mean,std):
self.mean=mean
self.std=std
def__call__(self,tensor):
tensor(Tensor):
Tensorimageofsize(C,H,W)tobenormalized.
NormalizedTensorimage.
returnF.normalize(tensor,self.mean,self.std)
#Resize类是对PILImage做resize操作的,几乎都要用到。
#这里输入可以是int,此时表示将输入图像的短边resize到这个int数,长边则根据对应比例调整,图像的长宽比不变。
#如果输入是个(h,w)的序列,h和w都是int,则直接将输入图像resize到这个(h,w)尺寸,
#相当于forceresize,所以一般最后图像的长宽比会变化,也就是图像内容被拉长或缩短。
#注意,在__call__方法中调用了functional.py脚本中的resize函数来完成resize操作,
#因为输入是PILImage,所以resize函数基本是在调用Image的各种方法。
#如果输入是Tensor,则对应函数基本是在调用Tensor的各种方法,这就是functional.py中的主要内容。
classResize(object):
ResizetheinputPILImagetothegivensize.
size(sequenceorint):
Desiredoutputsize.Ifsizeisasequencelike
(h,w),outputsizewillbematchedtothis.Ifsizeisanint,
smalleredgeoftheimagewillbematchedtothisnumber.
i.e,ifheight>
width,thenimagewillberescaledto
(size*height/width,size)
interpolation(int,optional):
Desiredinterpolation.Defaultis
``PIL.Image.BILINEAR``
def__init__(self,size,interpolation=Image.BILINEAR):
assertisinstance(size,int)or(isinstance(size,collections.Iterable)andlen(size)==2)
self.size=size
self.interpolation=interpolation
img(PILImage):
Imagetobescaled.
Rescaledimage.
returnF.resize(img,self.size,self.interpolation)
classScale(Resize):
Note:
ThistransformisdeprecatedinfavorofResize.
def__init__(self,*args,**kwargs):
warnings.warn("
Theuseofthetransforms.Scaletransformisdeprecated,"
+
pleaseusetransforms.Resizeinstead."
)
super(Scale,self).__init__(*args,**kwargs)
#CenterCrop是以输入图的中心点为中心点做指定size的crop操作,
#一般数据增强不会采用这个,因为当size固定的时候,在相同输入图像的情况下,N次CenterCrop的结果都是一样的。
#注释里面说明了size为int和序列时候尺寸的定义。
classCenterCrop(object):
CropsthegivenPILImageatthecenter.
Desiredoutputsizeofthecrop.Ifsizeisan
intinsteadofsequencelike(h,w),asquarecrop(size,size)is
made.
def__init__(self,size):
ifisinstance(size,numbers.Number):
self.size=(int(size),int(size))
else:
Imagetobecropped.
Croppedimage.
returnF.center_crop(img,self.size)
classPad(object):
PadthegivenPILImageonallsideswiththegiven"
pad"
value.
padding(intortuple):
Paddingoneachborder.Ifasingleintisprovidedthis
isusedtopadallborders.Iftupleoflength2isprovidedthisisthepadding
onleft/rightandtop/bottomrespectively.Ifatupleoflength4isprovided
thisisthepaddingfortheleft,top,rightandbottomborders
respectively.
fill:
Pixelfillvalue.Defaultis0.Ifatupleof
length3,itisusedtofillR,G,Bchannelsrespectively.
def__init__(self,padding,fill=0):
assertisinstance(padding,(numbers.Number,tuple))
assertisinstance(fill,(numbers.Number,str,tuple))
ifisinstance(padding,collections.Sequence)andlen(padding)notin[2,4]:
raiseValueError("
Paddingmustbeanintora2,or4elementtuple,nota"
{}elementtuple"
.format(len(padding)))
self.padding=padding
self.fill=fill
Imagetobepadded.
Paddedimage.
returnF.pad(img,self.padding,self.fill)
classLambda(object):
Applyauser-definedlambdaasatransform.
lambd(function):
Lambda/functiontobeusedfortransform.
def__init__(self,lambd):
assertisinstance(lambd,types.LambdaType)
self.lambd=lambd
returnself.lambd(img)
#相比前面的CenterCrop,这个RandomCrop更常用,差别就在于crop时的中心点坐标是随机的,并不是输入图像的中心点坐标,
#因此基本上每次crop生成的图像都是有差异的。
#就是通过i=random.randint(0,h-th)和j=random.randint(0,w-tw)两行生成一个随机中心点的横纵坐标。
#注意到在__call__中最后是调用了F.crop(img,i,j,h,w)来完成crop操作,
#其实前面CenterCrop中虽然是调用F.center_crop(img,self.size),
#但是在F.center_crop()函数中只是先计算了中心点坐标,最后还是调用F.crop(img,i,j,h,w)完成crop操作。
classRandomCrop(object):
CropthegivenPILImageatarandomlocation.
padding(intorsequence,optional):
Optionalpaddingoneachborder
oftheimage.Defaultis0,i.enopadding.Ifasequenceoflength
4isprovided,itisusedtopadleft,top,right,bottomborders
def__init__(self,size,padding=0):
@staticmethod
defget_params(img,output_size):
Getparametersfor``crop``forarandomcrop.
output_size(tuple):
Expectedoutputsizeofthecrop.
tuple:
params(i,j,h,w)tobepassedto``crop``forrandomcrop.
w,h=img.size
th,tw=output_size
ifw==twandh==th:
return0,0,h,w
i=random.randint(0,h-th)
j=random.randint(0,w-tw)
returni,j,th,tw
ifself.padding>
0:
img=F.pad(img,self.padding)
i,j,h,w=self.get_params(img,self.size)
returnF.crop(img,i,j,h,w)
classRandomHorizontalFlip(object):
HorizontallyflipthegivenPILImagerandomlywithaprobabilityof0.5."
Imagetobeflipped.
Randomlyflippedimage.
ifrandom.random()<
0.5:
returnF.hflip(img)
classRandomVerticalFlip(object):
VerticallyflipthegivenPILImagerandomlywithaprobabilityof0.5."
returnF.vflip(img)
#RandomResizedCrop类也是比较常用的,个人非常喜欢用。
#前面不管是CenterCrop还是RandomCrop,在crop的时候其尺寸是固定的,而这个类则是randomsize的crop。
#该类主要用到3个参数:
size、scale和ratio,总的来讲就是先做crop(用到scale和ratio),再resize到指定尺寸(用到size)。
#做crop的时候,其中心点坐标和长宽是由get_params方法得到的,
#在get_params方法中主要用到两个参数:
scale和ratio,首先在scale限定的数值范围内随机生成一个数,
#用这个数乘以输入图像的面积作为crop后图像的面积;
#然后在ratio限定的数值范围内随机生成一个数,表示长宽的比值,根据这两个值就可以得到c
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- torchvision 源码 解读 transform
![提示](https://static.bdocx.com/images/bang_tan.gif)