07 | Torchvision（中）：数据增强，让数据更加多样性
图像处理工具之 torchvision.transforms
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
Torchvision数据增强技术让数据更多样化，为模型训练提供更丰富的数据特征。文章介绍了利用Torchvision进行数据预处理操作和图像变换与增强的方法。首先讲解了数据类型转换的方法，包括PIL.Image或Numpy.ndarray格式的数据转化为Tensor格式以及反向操作。接着详细介绍了对PIL.Image和Tensor进行变换的操作，包括Resize、剪裁、翻转等。最后，介绍了针对Tensor的变换操作中最常用的标准化方法。文章还提到了使用Compose类将多个变换组合起来进行连续操作，以及如何结合datasets使用这些操作。通过这些技术，读者可以在数据加载的同时进行一系列图像变换与数据增强操作，加快模型收敛速度，让模型更好地学习到数据特征。下一节课将介绍Torchvision中其他有趣的功能，包括经典网络模型的实例化与其他有用的函数。
《PyTorch 深度学习实战》，新⼈⾸单¥59
全部留言(19)
- 最新
- 精选
上岸吧，Adagio老师您好，请问 img1 = transforms.ToTensor()(img) img2 = transforms.ToPILImage()(img1) 是怎么使用的呢？ transforms.ToTensor是一个类，为什么不把img当做参数传给这个类做初始化呢？ transforms.ToTensor()是创建一个对象吗？为什么后面又直接传入了(img)参数呢？ 不太懂这一块的细节，请老师帮忙解答下~作者回复: Hi，感谢你的提问。 transforms.ToTensor() 相当于创建了一个ToTensor的实例。 transforms.ToTensor()(img) 是执行了ToTensor中的__call__方法（如下链接）。 https://github.com/pytorch/vision/blob/main/torchvision/transforms/transforms.py#L123 这部分属于Python的知识，详细的内容你可以看看Python中__call__的作用。简单来说__call__的作用是使实例能够像函数一样被调用。 transforms.ToPILImage()同理。^^
2021-12-019
Yuhan老师您好，感觉应该注明一下display函数的来源，是Ipython.display 里面的display函数吗？作者回复: 你好，Yuhan，感谢你的留言。 display的来源是： from IPython.display import display 在jupyter中可以直接调用无需import。^^
2021-10-2559- vcjmhgTorchvision 中 transforms 模块的作用：封装了常用的图像操作，例随机切割、旋转、数据类型转换、tensor 与 numpy 和 PIL Image 的互换等。
作者回复: 你好，谢谢留言。完美👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻。：）加油~
2021-10-276 
汤火火火老师您好，我想问一下，在训练时对图像做了标准化，那测试的时候需要对测试图像做标准化吗？作者回复: 你好，汤火火火，感谢留言。 需要，预测时数据做的预处理（标准化之类的）操作要与训练时做的预处理操作一毛一样。
2022-01-2033
天凉好个秋老师你好，在使用 Resize 的时候，出现以下 warning: UserWarning: Argument interpolation should be of type InterpolationMode instead of int. Please, use InterpolationMode enum. 在之前的回答中给的解决方案的第二条：将Image.BICUBIC 替换为InterpolationMode.BICUBIC，这个是在哪儿替换?transforms.py的源代码中也没有相关代码作者回复: Hi, 是resize中的interpolation参数。 例如，torchvision.transforms.Resize((128, 128), interpolation=InterpolationMode.BICUBIC）。 这个参数接收int也可以，就是当int的时候，就会报这个warning。
2021-12-183
亚林Torchvision 中 transforms 模块的作用图像数据的预处理。怎么标准化，这些标准化参数是如何确定的类？作者回复: 你好，亚林 是说标准化的参数如何确定的是吧。 通常来说如果使用其他人的模型做微调的话，就要与原作者的数据处理方式一致，例如后面的图像分类中讲的EfficientNet。我想这也是大部分会遇到的情况。 如果是完全自己重新训练的话，可以参考一些ImageNet上的预处理方式，其实也就那几种，减均值，除以标准差之类的。
2022-05-122
问鼎苍穹老师您好，transforms是只能对图像的tensor数据进行处理是吧，对于表格类型的数据是不能进行数据增强的操作是吗，如果要对表格类型的数据进行数据增强应该如何操作呢作者回复: 你好，感谢留言。 应该也是可以的，不过我没试过。
2022-09-11归属地：北京1
快快🔥老师，我想问下，在transform.dataset()中进行transforms的转换操作，是会将原图像数据覆盖掉吗，还是产生新的转换后的数据。作者回复: hi，你好。感谢留言。输入给模型的数据是转换后的数据。原始图像不会变。
2021-11-281
ifelse
transform可以进行图片与tensor的数据转类型转换，还可以进行旋转，裁剪，缩放等操作，与datasets搭配使用时，可以在加载数据的过程中，完成数据的增强操作。作者回复: 👍🏻
2023-11-25归属地：浙江
Jacob.C方远老师好，像FiveCrop这样一个样本变多个样本的变换，dataset加载的时候，标签如何跟着变多呢？不然会对不齐呀。作者回复: hi，你好，这块Pytorch会帮我们搞定，不需要额外处理
2023-01-24归属地：广东