0702-電腦視覺工具包torchvision
- 2021 年 4 月 28 日
- 筆記
- torch_long
0702-電腦視覺工具包torchvision
pytorch完整教程目錄：//www.cnblogs.com/nickchen121/p/14662511.html
一、torchvision 概述
電腦視覺是深度學習中最重要的一類應用，為了方便研究者使用，torch 專門開發了一個視覺工具包 torchvision，這個包獨立於 torch，需要使用 pip install torchvision 進行安裝。
之前的我們已經使用過它的部分功能，在這裡我們在做一個系統的介紹，它主要包含以下三個功能：
- models：提供深度學習中各種經典網路的網路結構以及訓練好的模型，包括 Alex-Net、VGG 系列、ResNet 系列、Inception 系列等
- datasets：提供常用的數據集載入，設計上都是集成 torch.utils.data.Dataset，主要包括 MNIST、CIFAR10/100、ImageNet、COCO 等
- transforms：提供常用的數據預處理操作，主要包括對 Tensor 以及 PIL Image 對象的操作
二、通過 torchvision 載入模型
from torchvision import models
from torch import nn
# 載入預訓練好的模型，如果不存在會下載
# 預訓練好的模型保存在 ~/.torch/modes/ 下面
resnet34 = models.resnet34(pretrained=True, num_classes=1000)
# 修改最後的全連接層為 10 分類問題（默認是 ImageNet 上的 1000 分類）
resnet34.fc = nn.Linear(512, 10)
三、通過 torchvision 載入並處理數據集
from torchvision import datasets
from torchvision import transforms as T
# 指定數據集路徑為 data，如果數據集不存在則進行下載
# 通過 train=False 獲取測試集
normalize = T.Normalize(mean=[0.4, 0.4, 0.4], std=[0.2, 0.2, 0.2])
transform = T.Compose([
T.RandomResizedCrop(224),
T.RandomHorizontalFlip(),
T.ToTensor(), # 把圖片轉成 Tensor，歸一化至 [0,1]
T.Lambda(lambda x: x.repeat(3, 1, 1)), # 把圖片轉為 3 通道的
normalize,
])
dataset = datasets.MNIST('data/',
download=True,
train=False,
transform=transform)
Transforms 中涵蓋了大部分對 Tensor 和 PIL Image 的常用處理，這個轉換通常分為兩步：
- 第一步：構建轉換操作，例如
transf = transforms.Normalize(mean=x, std=y) - 第二步：執行轉換操作，例如
otuput = transf(inp)
import torch as t
# 構建隨機雜訊，圖片如下圖所示
to_pil = T.ToPILImage()
to_pil(t.rand(3, 64, 64))
四、通過 torchvision 拼接並保存圖片
torchvision 還提供了兩個常用的函數：
- make_grid，它能把多張圖片拼接在一個網格中
- save_img，它能把 Tensor 保存成圖片
len(dataset)
10000
from torch.utils.data import DataLoader
dataloader = DataLoader(dataset, shuffle=True, batch_size=16)
from torchvision.utils import make_grid, save_image
dataiter = iter(dataloader)
dataiter
img = make_grid(next(dataiter)[0], 4) # 拼接成 4*4 網格圖片，並且會轉成 3 通道，如下圖所示
to_img = T.ToPILImage()
to_img(img)
save_image(img, 'a.png')
from PIL import Image
Image.open('a.png')
