torchvision源码解读之transformWord文件下载.docx

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