PyTorch学习DAY2transforms各种操作

人民币二分类

数据

1. 数据收集-->Img，Label
2. 数据划分-->train valid test
3. 数据读取-->DataLoader(Sampler-->Index，Dataset-->Img，Label)
4. 数据预处理-->transforms

torch.utils.data.DataLoader

功能：构建可迭代的数据装载器

• dataset：Dataset类，决定数据从哪读取及如何读取
• batchsize：批大小
• num_works：是否多进程读取数据
• shuffle：每个epoch是否乱序
• drop_last：当样本数不能被batchsize整除时，是否舍弃最后一批数据

epoch与Iteration

• Epoch：所有训练样本都已输入到模型中，称为一个Epoch
• Iteration：一批样本输入到模型中，称之为一个Interation
• Batchsize：批大小，决定一个Epoch有多少个Iteration
• 样本总数：80，Batchsize：8  1Epoch=10Iteration
• 样本总数：87，Batchsize：8  1Epoch=10Iteration，当drop_last=True否则1Epoch=11Iteration

torch.utils.data.Dataset

功能：Dataset的抽象类，所有自定义的Dataset需要继承它，并且复写__getitem__()

getitem：接收一个索引，返回一个样本。

读取数据流程图：

transforms运行机制

transforms

• torchvision.transforms：常用的图像预处理方法(数据中心化，标准化，缩放，裁剪，旋转，翻转，填充，噪声添加)。
• torchvision.transforms：常用数据集的dataset实现，MNIST，CIFAR-10，ImageNet等。
• torchvision.model：常用的模型预训练，AlexNet，VGG，ResNet，GoogleNet等。

transforms.Normalize

功能：逐channel的对图像进行标准化，均值变为0，标准差变为1。（可以加快模型的收敛）

output =  (input - mean) / std

• mean：各通道的均值
• std：各通道的标准差
• inplace：是否原地操作

数据增强

数据增强又称为数据增广，数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。

transforms.CenterCrop

功能：从图像中心裁剪图片

• size：所需裁剪图片尺寸。

transforms.RandomCrop

功能：从图像中随机裁剪出尺寸为size的图片

• size：所需裁剪图片尺寸。
• padding：设置填充大小

1. 当为a时，上下左右均填充a个像素
2. 当为（a，b）时，上下填充b个像素，左右填充a个像素
3. 当为（a，b，c，d）时，左上右下分别填充abcd。

• pad_if_need：若图像小于设定size则进行填充
• padding_mode：填充模式，有4种模式

1. constant：由fill指定填充颜色
2. edge：由图像边缘像素决定填充颜色
3. reflect：镜像填充，最后一个像素不镜像，eg：[1,2,3,4] -> [3,2,1,2,3,4,3,2]
4. symmetric：镜像填充，最后一个像素镜像，eg：[1,2,3,4] -> [2,1,1,2,3,4,4,3]

• fill：constant时，设置填充的像素值。

RandomResizedCrop

功能：随机大小长宽裁剪图片

• size：尺寸
• scale：裁剪面积比,默认(0.08, 1)
• ratio：随机裁剪长宽比，默认(3/4,4/3)
• interpolation：插值方法

1. PIL.Image.NEAREST：最近邻插值
2. PIL.Image.BILNEAR：双线性插值
3. PIL.Image.BICUBIC：

FiveCrop

TenCrop

功能：在图像的上下左右以及中心裁剪出尺寸为size的5张图片；对上述5张图片在进行水平或者垂直镜像从而获得10张图片

• size：尺寸。
• vertical_flip：是否垂直翻转，设置了就做垂直镜像，不设置就做水平镜像。
• lambda可以把元组转换成张量的形式。

RandomHorizontalFlip

RandomVerticalFlip

功能：依概率进行水平/垂直翻转

• p：概率值

RandomRotation

功能：随机旋转

• degress：旋转角度。
  1. a时：旋转角度(-a到a)
  2. (a, b)时：旋转角度(a到b)
• resample：重采样方法。
• expand：是否扩大图片，以保持原图信息。
• center：设置旋转中心，默认中心旋转。

Pad

• padding：设置填充大小

1. a时：上下左右填充a个像素
2. (a, b)时：上下填充b， 左右填充a
3. (a, b, c, d)时：左a， 上b， 右c，下d

• padding_mode:填充模式

1. constant：由fill指定填充颜色
2. edge：由图像边缘像素决定填充颜色
3. reflect：镜像填充，最后一个像素不镜像
4. symmetric：镜像填充，最后一个像素镜像

• fill：设置填充颜色

ColorJitter

功能：调整亮度、对比度、饱和度和色相

• brightness：设置亮度调整因子

1. a时：从[max(0, 1-a),1+a]中选一个数
2. (a, b)时：从(a,b)中选一个数

• contrast：设置对比度参数

1. a时：从[max(0, 1-a),1+a]中选一个数
2. (a, b)时：从(a,b)中选一个数

• saturation：饱和度参数

1. a时：从[max(0, 1-a)—1+a]中选一个数
2. (a, b)时：从(a,b)中选一个数

• hue：色相参数

1. a时：(-a,a)，0 <= a <= 0.5
2. (a, b)时：(a,b)中选一个，-0.5 <= a <= b <= 0.5

Grayscale

RandomGrayscale

功能：将彩色图转换为灰度图

• num_output_channels：输出通道数，1–灰度，3–彩色
• p：被转换为灰度图的概率

RandomAffine

仿射变换，二维的线性变换，旋转，平移，缩放，错切，翻转

• degress：旋转角度
• translate：平移区间设置，如(a,b)，a设置宽(width)，b设置高(height)，图像在宽维度平移的区间为-img_width*a < dx < img_width*a
• scale：缩放比例（以面积为单位）
• fill_color：填充颜色设置
• sheer：错切角度，有水平与垂直

1. a时：在x轴上错切，角度在(-a,a)
2. (a, b)时：a为x轴错切角度设置，b为y轴错切角度设置
3. (a, b, c, d)时：x轴(a,b)，y轴(c,d)

• resample：重采样方法

1. PIL.Image.NEAREST：最近邻插值
2. PIL.Image.BILNEAR：双线性插值
3. PIL.Image.BICUBIC：

RandomErasing

功能：对图像进行随机遮挡

• p：遮挡概率
• scale：遮挡面积比例
• ratio：遮挡区域长宽比
• value：设置遮挡区域的像素值，（R，G，B）or（Gray）

transforms.Lambda

功能：用户自定义lambda方法

• lambd：lambda匿名函数

lambda[arg1[,arg2, ... , argn]]：expression

---

---

图像增强方法的选择策略

transforms.RandomChoice([tran1, tran2, tran3])

功能：从一组transforms中选择一个。

transforms.RandomApply([tran1, tran2], p=0.5)

功能：依据一定概率对一组图像处理方法进行选择。

transforms.RandomOrder([tran1,tran2])

功能：对一组图像处理方法进行打乱顺序，然后按照打乱的顺序对图像进行处理。
 

---

 自定义transforms

自定义transforms要素：

1. 仅接收一个参数，返回一个参数。
2. 注意上下游的输出与输入。

通过类实现多参数传入：

椒盐噪声

椒盐噪声又称为脉冲噪声，是一种随机出现的白点或者黑点，白点称为盐噪声，黑色为椒噪声。

信噪比（Singal-Noise Rate，SNR）是衡量噪声的比例，图像中为图像像素的占比。

 

数据增强实战

原则：让训练集与测试集更接近。

• 空间位置：平移。
• 色彩：灰度图，色彩抖动。
• 形状：放射变换。
• 上下文场景：遮挡，填充。、
• ......