[PyTorch 學習筆記] 2.2 圖片預處理 transforms 模組機制
PyTorch 的數據增強
我們在安裝PyTorch時，還安裝了torchvision，這是一個電腦視覺工具包。有 3 個主要的模組：
torchvision.transforms: 裡面包括常用的影像預處理方法torchvision.datasets: 裡面包括常用數據集如 mnist、CIFAR-10、Image-Net 等torchvision.models: 裡面包括常用的預訓練好的模型，如 AlexNet、VGG、ResNet、GoogleNet 等
深度學習模型是由數據驅動的，數據的數量和分布對模型訓練的結果起到決定性作用。所以我們需要對數據進行預處理和數據增強。下面是用數據增強，從一張圖片經過各種變換生成 64 張圖片，增加了數據的多樣性，這可以提高模型的泛化能力。
常用的影像預處理方法有：
- 數據中心化
- 數據標準化
- 縮放
- 裁剪
- 旋轉
- 翻轉
- 填充
- 雜訊添加
- 灰度變換
- 線性變換
- 仿射變換
- 亮度、飽和度以及對比度變換。
在人民幣圖片二分類實驗中，我們對數據進行了一定的增強。
# 設置訓練集的數據增強和轉化
train_transform = transforms.Compose([
transforms.Resize((32, 32)),# 縮放
transforms.RandomCrop(32, padding=4), #裁剪
transforms.ToTensor(), # 轉為張量，同時歸一化
transforms.Normalize(norm_mean, norm_std),# 標準化
])
# 設置驗證集的數據增強和轉化，不需要 RandomCrop
valid_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
當我們需要多個transforms操作時，需要作為一個list放在transforms.Compose中。需要注意的是transforms.ToTensor()是把圖片轉換為張量，同時進行歸一化操作，把每個通道 0~255 的值歸一化為 0~1。在驗證集的數據增強中，不再需要transforms.RandomCrop()操作。然後把這兩個transform操作作為參數傳給Dataset，在Dataset的__getitem__()方法中做影像增強。
def __getitem__(self, index):
# 通過 index 讀取樣本
path_img, label = self.data_info[index]
# 注意這裡需要 convert('RGB')
img = Image.open(path_img).convert('RGB') # 0~255
if self.transform is not None:
img = self.transform(img) # 在這裡做transform，轉為tensor等等
# 返回是樣本和標籤
return img, label
其中self.transform(img)會調用Compose的__call__()函數：
def __call__(self, img):
for t in self.transforms:
img = t(img)
return img
可以看到，這裡是遍歷transforms中的函數，按順序應用到 img 中。
transforms.Normalize
torchvision.transforms.Normalize(mean, std, inplace=False)
功能：逐 channel 地對影像進行標準化
output = ( input – mean ) / std
- mean: 各通道的均值
- std: 各通道的標準差
- inplace: 是否原地操作
該方法調用的是F.normalize(tensor, self.mean, self.std, self.inplace)
而“F.normalize()`方法如下：
def normalize(tensor, mean, std, inplace=False):
if not _is_tensor_image(tensor):
raise TypeError('tensor is not a torch image.')
if not inplace:
tensor = tensor.clone()
dtype = tensor.dtype
mean = torch.as_tensor(mean, dtype=dtype, device=tensor.device)
std = torch.as_tensor(std, dtype=dtype, device=tensor.device)
tensor.sub_(mean[:, None, None]).div_(std[:, None, None])
return tensor
首先判斷是否為 tensor，如果不是 tensor 則拋出異常。然後根據inplace是否為 true 進行 clone，接著把 mean 和 std 都轉換為 tensor (原本是 list)，最後減去均值除以方差：tensor.sub_(mean[:, None, None]).div_(std[:, None, None])
對數據進行均值為 0，標準差為 1 的標準化，可以加快模型的收斂。
在邏輯回歸的實驗中，我們的數據生成程式碼如下：
sample_nums = 100
mean_value = 1.7
bias = 1
n_data = torch.ones(sample_nums, 2)
# 使用正態分布隨機生成樣本，均值為張量，方差為標量
x0 = torch.normal(mean_value * n_data, 1) + bias # 類別0 數據 shape=(100, 2)
# 生成對應標籤
y0 = torch.zeros(sample_nums) # 類別0 標籤 shape=(100, 1)
# 使用正態分布隨機生成樣本，均值為張量，方差為標量
x1 = torch.normal(-mean_value * n_data, 1) + bias # 類別1 數據 shape=(100, 2)
# 生成對應標籤
y1 = torch.ones(sample_nums) # 類別1 標籤 shape=(100, 1)
train_x = torch.cat((x0, x1), 0)
train_y = torch.cat((y0, y1), 0)
生成的數據均值是mean_value+bias=1.7+1=2.7，比較靠近 0 均值。模型在 380 次迭代時，準確率就超過了 99.5%。
如果我們把 bias 修改為 5。那麼數據的均值變成了 6.7，偏離 0 均值較遠，這時模型訓練需要更多次才能收斂 (準確率達到 99.5%)。
**參考資料**
如果你覺得這篇文章對你有幫助，不妨點個贊，讓我有更多動力寫出好文章。
