主頁 > 知識(shí)庫 > pytorch 把圖片數(shù)據(jù)轉(zhuǎn)化成tensor的操作

pytorch 把圖片數(shù)據(jù)轉(zhuǎn)化成tensor的操作

熱門標(biāo)簽:地圖地圖標(biāo)注有嘆號(hào) 阿里電話機(jī)器人對話 正安縣地圖標(biāo)注app 螳螂科技外呼系統(tǒng)怎么用 遼寧智能外呼系統(tǒng)需要多少錢 舉辦過冬奧會(huì)的城市地圖標(biāo)注 400電話申請資格 qt百度地圖標(biāo)注 電銷機(jī)器人系統(tǒng)廠家鄭州

摘要:

在圖像識(shí)別當(dāng)中,一般步驟是先讀取圖片,然后把圖片數(shù)據(jù)轉(zhuǎn)化成tensor格式,再輸送到網(wǎng)絡(luò)中去。本文將介紹如何把圖片轉(zhuǎn)換成tensor。

一、數(shù)據(jù)轉(zhuǎn)換

把圖片轉(zhuǎn)成成torch的tensor數(shù)據(jù),一般采用函數(shù):torchvision.transforms。通過一個(gè)例子說明,先用opencv讀取一張圖片,然后在轉(zhuǎn)換;注意一點(diǎn)是:opencv儲(chǔ)存圖片的格式和torch的儲(chǔ)存方式不一樣,opencv儲(chǔ)存圖片格式是(H,W,C),而torch儲(chǔ)存的格式是(C,H,W)。

import torchvision.transforms as transforms
import cv2 as cv
img = cv.imread('image/000001.jpg')
print(img.shape)  # numpy數(shù)組格式為(H,W,C)
transf = transforms.ToTensor()
img_tensor = transf(img) # tensor數(shù)據(jù)格式是torch(C,H,W)
print(img_tensor.size())

注意:使用torchvision.transforms時(shí)要注意一下,其子函數(shù) ToTensor() 是沒有參數(shù)輸入的,以下用法是會(huì)報(bào)錯(cuò)的

img_tensor = transforms.ToTensor(img)

必須是先定義和賦值轉(zhuǎn)換函數(shù),再調(diào)用并輸入?yún)?shù),正確用法:

img = cv.imread('image/000001.jpg')
transf = transforms.ToTensor()
img_tensor = transf(img)

再轉(zhuǎn)換過程中正則化

在使用 transforms.ToTensor() 進(jìn)行圖片數(shù)據(jù)轉(zhuǎn)換過程中會(huì)對圖像的像素值進(jìn)行正則化,即一般讀取的圖片像素值都是8 bit 的二進(jìn)制,那么它的十進(jìn)制的范圍為 [0, 255],而正則化會(huì)對每個(gè)像素值除以255,也就是把像素值正則化成 [0.0, 1.0]的范圍。通過例子理解一下:

import torchvision.transforms as transforms
import cv2 as cv
img = cv.imread('image/000001.jpg')
transf = transforms.ToTensor()
img_tensor = transf(img)
print('opencv', img)
print('torch', img_tensor)

三、自行修改正則化的范圍

使用transforms.Compose函數(shù)可以自行修改正則化的范圍,下面舉個(gè)例子正則化成 [-1.0, 1.0]

transf2 = transforms.Compose(
  [
    transforms.ToTensor(),
    transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))
  ]
)
img_tensor2 = transf2(img)
print(img_tensor2)

計(jì)算方式就是:

C=(C-mean)/ std

C為每個(gè)通道的所有像素值,彩色圖片為三通道圖像(BGR),所以mean和std是三個(gè)數(shù)的數(shù)組。

使用transforms.ToTensor()時(shí)已經(jīng)正則化成 [0,0, 0,1]了,那么(0.0 - 0.5)/0.5=-1.0,(1.0 - 0.5)/0.5=1.0,所以正則化成 [-1.0, 1.0]

補(bǔ)充:Python: 記錄一個(gè)關(guān)于圖片直接轉(zhuǎn)化為pytorch.tensor和numpy.array的不同之處的問題

img = Image.open(img_path).convert("RGB")
img2 = torchvision.transforms.functional.to_tensor(img)
print(img2)
img1 = np.array(img)
print(img1)

輸出是這樣的:

不僅shape不一樣,而且值也是不一樣的。

解釋如下:

tensor = torch.from_numpy(np.asarray(PIL.Image.open(path))).permute(2, 0, 1).float() / 255
tensor = torchvision.transforms.functional.to_tensor(PIL.Image.open(path)) # 兩種方法是一樣的

PIL.Image.open()得到HWC格式,直接使用numpy 去轉(zhuǎn)換得到(h,w,c)格式,而用to_tensor得到(c,h,w)格式且值已經(jīng)除了255。

byte()相當(dāng)于to(torch.uint8),tensor.numpy()是把tensor 轉(zhuǎn)化為numpy.array格式。

在這里需要注意的是PIL和OPENCV的圖像讀取得到的格式都是HWC格式,一般模型訓(xùn)練使用的是CHW格式, H為Y軸是豎直方向,W為X軸水平方向。

且torchvision.transforms.functional.to_tensor()對所有輸入都是有變換操作。

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。

您可能感興趣的文章:
  • Pytorch Tensor的索引與切片例子
  • pytorch tensor int型除法出現(xiàn)的問題
  • Pytorch之?dāng)U充tensor的操作
  • Pytorch 擴(kuò)展Tensor維度、壓縮Tensor維度的方法
  • Pytorch生成隨機(jī)數(shù)Tensor的方法匯總
  • PyTorch中Tensor的數(shù)據(jù)類型和運(yùn)算的使用
  • Pytorch 使用tensor特定條件判斷索引

標(biāo)簽:隨州 合肥 阜新 昭通 興安盟 信陽 淘寶好評回訪 濟(jì)源

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《pytorch 把圖片數(shù)據(jù)轉(zhuǎn)化成tensor的操作》,本文關(guān)鍵詞  pytorch,把,圖片,數(shù)據(jù),轉(zhuǎn),;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《pytorch 把圖片數(shù)據(jù)轉(zhuǎn)化成tensor的操作》相關(guān)的同類信息!
  • 本頁收集關(guān)于pytorch 把圖片數(shù)據(jù)轉(zhuǎn)化成tensor的操作的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章