1.torchvision.transforms类
可调用的函数列表https://pytorch.org/vision/stable/transforms.html
介绍几个常用的函数：
① transforms.Resize(）
将图像转换成目标大小
参数列表：
- size (sequence or int)： （h,w）目标图像的大小,若只输入一个数字i，默认（i,i）
- interpolation (InterpolationMode, optional):插值方法
- max_size (int,optional)：允许调整大小的图像的较长边缘的最大值。如果图像的较长边缘在根据大小调整后大于max_size，那么图像将再次调整大小，使较长边缘等于max_size。
- antialias (bool, optional) ：(True/ False/None)是否应用抗锯齿。
②transforms.CenterCrop()
从图像的中心裁剪为目标大小
参数列表：
- size (sequence or int)： （h,w）目标图像的大小,若只输入一个数字i，默认（i,i）
③transforms.ToTensor()
将PIL图像或narray转换为张量并相应地缩放值。
无参
③transforms.Normalize(）
用均值和标准差归一化张量图像。此转换不支持PIL图像。
参数列表:
- mean (sequence) – Sequence of means for each channel.每个通道的均值
- std (sequence) – Sequence of standard deviations for each channel.每个通道的标准差
- inplace (bool,optional) – Bool to make this operation in-place.
实例：
# 单通道图像归一化
transforms.Normalize([0.485], [0.229])
# 三通道图像归一化
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
2.torchvision.datasets.ImageFolder类
① 构造函数：
torchvision.datasets.ImageFolder（root,transform,target_transform,loader,is_valid_file）
-
root：数据集所在路径
默认的数据集格式如下：
此时，root = r’/root/’ (r防止转义) -
transform(可选)：图像预处理操作
torchvision.transforms类
-
target_transform(可选)：对图片类别进行预处理的操作，输入为 target，输出对其的转换。如果不传该参数，即对 target 不做任何转换，返回的顺序索引 0,1, 2…
-
loader(可选)：表示数据集加载方式，通常默认加载方式即可。
-
is_valid_file ：检查图像文件是否有效(用于检查损坏的文件)
-
实例：
数据集目录结构
data_transform = {
"train": transforms.Compose([transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]),
"val": transforms.Compose([transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])}
train_dataset= torchvision.datasets.ImageFolder（root=r'/root/src/data/oneimg_v_t/train/' ,transform=data_transform["train"]）
val_dataset = torchvision.datasets.ImageFolder（root=r'/root/src/data/oneimg_v_t/val/' ,transform=data_transform["val"]）
②属性：
- classes (list): List of the class names sorted alphabetically.
类别名称列表 - class_to_idx (dict): Dict with items (class_name, class_index).
一个字典，类别名称：类别索引 - imgs (list): List of (image path, class_index) tuples
一个tuples的列表，返回（图像路径，类别索引） - 实例：
数据集目录结构
from torchvision import datasets
dataset = datasets.ImageFolder(root=r'F:\DataSetOneDir\\')
print(dataset.classes)
print(dataset.class_to_idx)
print(dataset.imgs)
