torchvision指南

torchvision指南

本筆記引用自PyTorch中文文檔

1. torchvision介紹

torchvision包含了目前流行的數(shù)據(jù)集,模型結(jié)構(gòu)和常用的圖片轉(zhuǎn)換工具愕贡。

1.1 torchvision.datasets

  • torchvision.datasets中包含以下數(shù)據(jù)集:
    • MNIST
    • COCO
    • LSUN Classification
    • ImageFolder
    • Imagenet-12
    • CIFAR10 and CIFAR100
    • STL10
  • dataset擁有以下API:__getitem__, __len__
  • 這些datasets都是torch.utils.data.Dataset的子類

1.1.1 MNIST

  • dest.MNIST(root, train=True, transform=None, target_transform=None, download=False)
    -download: 是否聯(lián)網(wǎng)下載

1.1.2 COCO

  • 圖像標(biāo)注
  • dest.CocoCaptions(root="dir where images are", annFile="json annotation file", [transform, target_transform, transform])
# sample
import torchvision.datasets as dset
import torchvision.transforms as transforms
cap = dset.CocoCaptions(root = 'dir where images are',
          annFile = 'json annotation file',
          transform=transforms.ToTensor())
print(Number of sample: ', len(cap))
img, target = cap[3]
print('Image size:', img.size())
print(target)

'''
output
Number of samples: 82783
Image Size: (3L, 427L, 640L)
[u'A plane emitting smoke stream flying over a mountain.',
u'A plane darts across a bright blue sky behind a mountain covered in snow',
u'A plane leaves a contrail above the snowy mountain top.',
u'A mountain that has a plane flying overheard in the distance.',
u'A mountain view with a plume of smoke in the background']
'''
  • 檢測
  • `dset.CocoDetection(root='dir where images are', annFile='json annotation file', [transform, target_transform])

1.1.3 ImageFolder

  • 一個通用的數(shù)據(jù)加載器孵运,數(shù)據(jù)集中數(shù)據(jù)以以下方式組織:
root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png

root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png
  • dset.ImageFolder(root='root folder path', [transform, target_transform])
    • self.classes: 用一個list保存類名
    • self.class_to_idx: 類名對應(yīng)的索引
    • self.imgs: 保存(img_path, class)tuple的list

1.1.4 CIFAR

  • dset.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
  • dset.CIFAR100(root, train=True, transform=None, target_transform=None, download=False)

1.2 torchvision.models

  • torchvision.models模塊的子模塊中包含以下模型結(jié)構(gòu):
    • AlexNet
    • VGG
    • ResNet
    • SqueezeNet
    • DenseNet
  • 可使用預(yù)訓(xùn)練模型螟够,如:
torchvision.models.alexnet(pretrained=False, **kwargs)
torchvision.models.resnet18(pretrained=False, **kwargs)
torchvision.models.resnet34(pretrained=False, ** kwargs)
torchvision.models.resnet50(pretrained=False, ** kwargs)
torchvision.models.resnet101(pretrained=False, ** kwargs)
torchvision.models.resnet152(pretrained=False, ** kwargs)
torchvision.models.vgg11(pretrained=False, ** kwargs)
torchvision.models.vgg11_bn(** kwargs)
torchvision.models.vgg13(pretrained=False, ** kwargs)
torchvision.models.vgg13_bn(** kwargs)
torchvision.models.vgg16(pretrained=False, ** kwargs)
torchvision.models.vgg16_bn(** kwargs)
torchvision.models.vgg19(pretrained=False, ** kwargs)
torchvision.models.vgg19_bn(** kwargs)

1.3 torchvision.transforms

  • PIL.Image進(jìn)行變換
  • 使用torchvision.transforms.Compose(transforms)將多個transform組合起來使用
  • transforms.CenterCrop(size):將給定PIL.Image進(jìn)行中心切割彤断,得到給定的size怕品,size可以是tupleInteger
  • transforms.RandomCrop(size, padding=0):切割中心點(diǎn)位置隨機(jī)選取妇垢,size可以是tupleInteger
  • transforms.RandomHorizontalFlip(p=0.5):隨機(jī)水平翻轉(zhuǎn)
  • transforms.RandomSizedCrop(size, interpolation=2):先隨機(jī)切,再resize成給定size大小肉康。
  • transforms.Pad(padding, fill=0):給所有邊用給定的值填充闯估。padding:要填充多少像素
  • transforms.ToTensor():將一個取值范圍是[0, 255]PIL.Imageshape(H, W, C)numpy.ndarray,轉(zhuǎn)換成形狀為[C, H, W]吼和,取值范圍是[0, 1.0]torch.FloatTensor
  • transforms.Normalize(mean, std):給定均值與方差睬愤,正則化,即Normalized_image=(image-mean)/std
  • 通用變換:使用lambda作為轉(zhuǎn)換器纹安,transforms.Lambda(lambda)

1.4 torchvision.utils

  • utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False)
    給定4D-mini-batch Tensor尤辱,形狀為(B*C*H*W),或者一個a list of image厢岂,做成一個size(B / nrow, nrow)的子圖集
    • normalize=True, 對圖像像素歸一化
    • range=(min, max)光督,min和max是數(shù)字,則min, max用來規(guī)范化image
    • scale_each=True, 每個圖片獨(dú)立規(guī)范化塔粒。
  • utils.save_image(tensor, filename, nrow=8, padding=2, normalize=False, range=None, scale_each=False)
    將給定的Tensor保存成image文件结借,如果是mini-batch tensor,就用make-grid做成子圖集再保存卒茬。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末船老,一起剝皮案震驚了整個濱河市咖熟,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌柳畔,老刑警劉巖馍管,帶你破解...
    沈念sama閱讀 218,546評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異薪韩,居然都是意外死亡确沸,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評論 3 395
  • 文/潘曉璐 我一進(jìn)店門俘陷,熙熙樓的掌柜王于貴愁眉苦臉地迎上來罗捎,“玉大人,你說我怎么就攤上這事拉盾〗安耍” “怎么了?”我有些...
    開封第一講書人閱讀 164,911評論 0 354
  • 文/不壞的土叔 我叫張陵捉偏,是天一觀的道長倒得。 經(jīng)常有香客問我,道長告私,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,737評論 1 294
  • 正文 為了忘掉前任承桥,我火速辦了婚禮驻粟,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘凶异。我一直安慰自己蜀撑,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,753評論 6 392
  • 文/花漫 我一把揭開白布剩彬。 她就那樣靜靜地躺著酷麦,像睡著了一般。 火紅的嫁衣襯著肌膚如雪喉恋。 梳的紋絲不亂的頭發(fā)上沃饶,一...
    開封第一講書人閱讀 51,598評論 1 305
  • 那天,我揣著相機(jī)與錄音轻黑,去河邊找鬼糊肤。 笑死,一個胖子當(dāng)著我的面吹牛氓鄙,可吹牛的內(nèi)容都是我干的馆揉。 我是一名探鬼主播,決...
    沈念sama閱讀 40,338評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼抖拦,長吁一口氣:“原來是場噩夢啊……” “哼升酣!你這毒婦竟也來了舷暮?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,249評論 0 276
  • 序言:老撾萬榮一對情侶失蹤噩茄,失蹤者是張志新(化名)和其女友劉穎下面,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體巢墅,經(jīng)...
    沈念sama閱讀 45,696評論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡诸狭,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,888評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了君纫。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片驯遇。...
    茶點(diǎn)故事閱讀 40,013評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖蓄髓,靈堂內(nèi)的尸體忽然破棺而出叉庐,到底是詐尸還是另有隱情,我是刑警寧澤会喝,帶...
    沈念sama閱讀 35,731評論 5 346
  • 正文 年R本政府宣布陡叠,位于F島的核電站,受9級特大地震影響肢执,放射性物質(zhì)發(fā)生泄漏枉阵。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,348評論 3 330
  • 文/蒙蒙 一预茄、第九天 我趴在偏房一處隱蔽的房頂上張望兴溜。 院中可真熱鬧,春花似錦耻陕、人聲如沸拙徽。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,929評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽膘怕。三九已至,卻和暖如春召庞,著一層夾襖步出監(jiān)牢的瞬間岛心,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,048評論 1 270
  • 我被黑心中介騙來泰國打工篮灼, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留鹉梨,地道東北人。 一個月前我還...
    沈念sama閱讀 48,203評論 3 370
  • 正文 我出身青樓穿稳,卻偏偏與公主長得像存皂,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,960評論 2 355

推薦閱讀更多精彩內(nèi)容