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。^^
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。^^
作者回复: 你好,谢谢留言。完美👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻👍🏻。:)加油~
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。
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。
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。
作者回复: 你好,感谢留言。 应该也是可以的,不过我没试过。
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。
作者回复: hi,你好,这块Pytorch会帮我们搞定,不需要额外处理
作者回复: 你好,在哪里运行的?运行的哪一段代码?