深度學習入門筆記——Transform的使用

cyMessi發表於2024-10-28
深度學習筆記ORM

Transfrom是什麼？

可以看作是一個影像處理的工具箱，透過檢視Transform類可以找到不同的影像處理方法

更準確的說，Transform中有各種類的的定義，我們可以透過繼承或者構造這些類，然後呼叫裡面的方法來實現相應的功能

可以透過結構來便捷的檢視transform中的類和方法，然後實現對應的物件即可。其中__call__函式的作用就是在呼叫這個物件的時候自動呼叫的函式比如這是Totensor類的定義，可以看到就是將其他格式的影像轉化為tensor格式的影像
具體的程式碼如下，輸出的就是tensor型別的影像

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() # 構造transform中的ToTensor類
image_tensor =transform_class(image) # 呼叫類將影像轉化為tensor格式（__call__函式）
print(type(image_tensor))

Tensor格式有什麼用

相較於PIL的image格式和numpy的array格式，tensor影像格式的作用在於它包含了用於神經網路的一些屬性，比如反向傳遞、使用的是CPU還是GPU進行訓練等等，所以tensor影像格式更適合用來進行神經網路的訓練

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() # 構造transform中的ToTensor類
image_tensor =transform_class(image) # 呼叫類將影像轉化為tensor格式（__call__函式）

writer = SummaryWriter("logs")
writer.add_image("tensor_image",image_tensor,1) # 用tensor格式顯示影像
writer.close()

此外，我們可以看到，使用PIL處理的影像格式是Jpeg格式，opencv處理的影像是numpy的array格式，transform處理的影像是tensor格式，三者是不相同的

各種格式以及對應的呼叫方法如下：

相關文章