[PyTorch 學習筆記] 2.2 圖片預處理 transforms 模組機制

PyTorch 的資料增強

我們在安裝

PyTorch

時，還安裝了

torchvision

，這是一個計算機視覺工具包。有 3 個主要的模組：

torchvision。transforms

： 裡面包括常用的影象預處理方法

torchvision。datasets

： 裡面包括常用資料集如 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

深度學習模型是由資料驅動的，資料的數量和分佈對模型訓練的結果起到決定性作用。所以我們需要對資料進行預處理和資料增強。下面是用資料增強，從一張圖片經過各種變換生成 64 張圖片，增加了資料的多樣性，這可以提高模型的泛化能力。

常用的影象預處理方法有：

資料中心化

資料標準化

縮放

裁剪

旋轉

翻轉

填充

噪聲新增

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，我們對資料進行了一定的增強。

# 設定訓練集的資料增強和轉化

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

］）

# 設定驗證集的資料增強和轉化，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。在驗證集的資料增強中，不再需要

transforms。RandomCrop（）

操作。然後把這兩個

transform

操作作為引數傳給

Dataset

，在

Dataset

的

__getitem__（）

方法中做影象增強。

def __getitem__（self， index）：

# 透過 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）

會呼叫

Compose

的

__call__（）

函式：

def __call__（self， img）：

for t in self。transforms：

img = t（img）

return img

可以看到，這裡是遍歷

transforms

中的函式，按順序應用到 img 中。

transforms.Normalize

torchvision。transforms。Normalize（mean， std， inplace=False）

功能：逐 channel 地對影象進行標準化

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

該方法呼叫的是

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 則丟擲異常。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］）

對資料進行均值為 0，標準差為 1 的標準化，可以加快模型的收斂。

在

邏輯迴歸的實驗

中，我們的資料生成程式碼如下：

sample_nums = 100

mean_value = 1。7

bias = 1

n_data = torch。ones（sample_nums， 2）

# 使用正態分佈隨機生成樣本，均值為張量，方差為標量

x0 = torch。normal（mean_value * n_data， 1） + bias # 類別0 資料 shape=（100， 2）

# 生成對應標籤

y0 = torch。zeros（sample_nums） # 類別0 標籤 shape=（100， 1）

# 使用正態分佈隨機生成樣本，均值為張量，方差為標量

x1 = torch。normal（-mean_value * n_data， 1） + bias # 類別1 資料 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）

生成的資料均值是

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。那麼資料的均值變成了 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**

深度之眼 PyTorch 框架班

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。