【DL基础】torchvision数据集操作

 示例来源：PyTorch 深度学习实战 (geekbang.org)

1、图像裁剪

torchvision.transforms提供了多种剪裁方法，例如中心剪裁、随机剪裁、四角和中心剪裁等。我们依次来看下它们的定义。

• 先说中心剪裁，顾名思义，在中心裁剪指定的 PIL Image 或 Tensor，其定义如下：

torchvision.transforms.CenterCrop(size)

其中，size表示期望输出的剪裁尺寸。如果 size 是一个像 (h, w) 这样的元组，则剪裁后的图像尺寸将与之匹配。如果 size 是 int 类型的整数，剪裁出来的图像是 (size, size) 的正方形。

• 然后是随机剪裁，就是在一个随机位置剪裁指定的 PIL Image 或 Tensor，定义如下：

torchvision.transforms.RandomCrop(size, padding=None)

其中，size代表期望输出的剪裁尺寸，用法同上。而padding表示图像的每个边框上的可选填充。默认值是 None，即没有填充。通常来说，不会用padding这个参数，至少对于我来说至今没用过。

• 最后要说的是FiveCrop，我们将给定的 PIL Image 或 Tensor ，分别从四角和中心进行剪裁，共剪裁成五块，定义如下：

torchvision.transforms.FiveCrop(size)

size可以是int或tuple，用法同上。

掌握了各种剪裁的定义和参数用法以后，我们来看一下这些剪裁操作具体如何调用，代码如下。

from PIL import Image
from torchvision import transforms 

# 定义剪裁操作
center_crop_oper = transforms.CenterCrop((60,70))
random_crop_oper = transforms.RandomCrop((80,80))
five_crop_oper = transforms.FiveCrop((60,70))

# 原图
orig_img = Image.open('jike.png') 
orig_img.show()

# 中心剪裁
img1 = center_crop_oper(orig_img)
img1.show()
# 随机剪裁
img2 = random_crop_oper(orig_img)
img2.show()
# 四角和中心剪裁
imgs = five_crop_oper(orig_img)
for img in imgs:
    img.show()

流程和Resize类似，都是先定义剪裁操作，然后使用裁剪操作对象对图像进行操作，将返回对应裁剪操作后的图像，具体剪裁效果如下表所示

2、图像翻转

torchvision.transforms提供了两种翻转操作，分别是：以某一概率随机水平翻转图像和以某一概率随机垂直翻转图像。我们分别来看它们的定义。

• 以概率p随机水平翻转图像，定义如下：

torchvision.transforms.RandomHorizontalFlip(p=0.5)

• 以概率p随机垂直翻转图像，定义如下：

torchvision.transforms.RandomVerticalFlip(p=0.5)

其中，p表示随机翻转的概率值，默认为0.5

这里的随机翻转，是为数据增强提供方便。如果想要必须执行翻转操作的话，将p设置为1即可

以极客时间的LOGO图片为例，图片翻转的代码如下

from PIL import Image
from torchvision import transforms 

# 定义翻转操作
h_flip_oper = transforms.RandomHorizontalFlip(p=1)
v_flip_oper = transforms.RandomVerticalFlip(p=1)

# 原图
orig_img = Image.open('jike.png') 
display(orig_img)

# 水平翻转
img1 = h_flip_oper(orig_img)
display(img1)
# 垂直翻转
img2 = v_flip_oper(orig_img)
display(img2)

流程与裁剪一致，都是先定义操作，然后使用操作对象对图像进行操作（此处为翻转操作对象），将返回对应操作后的结果，翻转效果如下表所示

3、图像标准化（只能对Tensor操作，不可对PIL Image对象操作）

标准化是指每一个数据点减去所在通道的平均值，再除以所在通道的标准差，数学的计算公式如下：

而对图像进行标准化，就是对图像的每个通道利用均值和标准差进行正则化。这样做的目的，是为了保证数据集中所有的图像分布都相似，这样在训练的时候更容易收敛，既加快了训练速度，也提高了训练效果

torchvision.transforms.Normalize(mean, std, inplace=False)
# 每个参数的含义为：
# mean：表示各通道的均值；
# std：表示各通道的标准差；
# inplace：表示是否原地操作，默认为否。

以极客时间的LOGO图片为例，以(R, G, B)均值和标准差均为(0.5, 0.5, 0.5)来标准化图片后的代码实现为：

from PIL import Image
from torchvision import transforms 

# 定义标准化操作
norm_oper = transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))

# 原图
orig_img = Image.open('jk.jpg') 
orig_img.show()

# 图像转化为Tensor
img_tensor = transforms.ToTensor()(orig_img)

# 标准化
tensor_norm = norm_oper(img_tensor)

# Tensor转化为图像
img_norm = transforms.ToPILImage()(tensor_norm)
img_norm.show()

上面代码的过程是，首先定义了均值和标准差均为(0.5, 0.5, 0.5)的标准化操作，然后将原图转化为Tensor，接着对Tensor进行标准化，最后再将Tensor转化为图像输出，图像输出结果为：

4、组合变换

• 上述对图像的变换操作都可以用 Compose 类组合起来，进行连续操作，Compose类是将多个变换组合到一起，它的定义如下

torchvision.transforms.Compose(transforms)
# transforms是一个Transform对象的列表，表示要组合的变换列表

比如，如果我们想要将图片变为200*200像素大小，并且随机裁切成80像素的正方形。那么我们可以组合Resize和RandomCrop变换，具体代码如下所示

from PIL import Image
from torchvision import transforms 

# 原图
orig_img = Image.open('jike.png') 
display(orig_img)

# 定义组合操作
composed = transforms.Compose([transforms.Resize((200, 200)),
                               transforms.RandomCrop(80)])

# 组合操作后的图
img = composed(orig_img)

运行结果为：

• Compose操作常常与数据集读取操作同时使用，使数据在读取的同时做类型转换，这样读取出的数据直接就是完成预处理、增强等操作之后的了

以读取MNIST数据集为例，看下如何在读取数据的同时，完成数据预处理等操作。具体代码如下：

from torchvision import transforms
from torchvision import datasets

# 定义一个transform
my_transform = transforms.Compose([transforms.ToTensor(),
                                   transforms.Normalize((0.5), (0.5))
                                  ])
# 读取MNIST数据集 同时做数据变换
mnist_dataset = datasets.MNIST(root='./data',
                               train=False,
                               transform=my_transform,
                               target_transform=None,
                               download=True)

可以看到，在读取数据集，即获取DataSet抽象类的派生类实例时，可以直接传入transforms.Compose类型的参数，表示读取数据的同时做对应的变换