1. from torchvision import transforms
    2. from PIL import Image
    3. from torch.utils.tensorboard import SummaryWriter
    6. img_path = 'data/dataset/train/ants/0013035.jpg'
    7. img_PIL = Image.open(img_path)
    9. 'transforms中ToTensor使用方式'
    10. img_trans = transforms.ToTensor()
    11. img_Tensor = img_trans(img_PIL)
    13. writer = SummaryWriter('logs')
    15. writer.add_image('img_Tensor',img_Tensor)
    17. writer.close()

    命令行窗口键入 tensorboard —logdir=logs即可查看

    transforms相当于一个工具箱，里面有很多工具可以使用，用其工具来对输入的图片进行一定的转换，输出到下一步，上述代码将img通过PIL打开，转换成了tensor形式便于神经网络进行操作。

    1. class person:
    2.     def __call__(self, name):
    3.         print('__call__'+' hello '+name)
    5.     def hello(self,name):
    6.         print('hello '+name)
    8. person = person()
    9. person('zhangsan')
    10. person.hello('lisi')
    12. 》
    13. __call__ hello zhangsan
    14. hello lisi

    这串代码可以帮助理解类中内置的 call函数和普通函数

    1. from torch.utils.tensorboard import SummaryWriter
    2. from torchvision import transforms
    3. from PIL import Image
    5. img_path = 'data/dataset/train/ants/0013035.jpg'
    6. img_PIL = Image.open(img_path)
    8. writer = SummaryWriter('logs')
    10. #ToTensor----------------------------
    11. img_trans = transforms.ToTensor()
    12. img_tensor = img_trans(img_PIL)
    13. writer.add_image('img_tensor',img_tensor)
    15. #normalize-------------------------------------
    16. print(img_tensor[0][0][0])
    17. normalize = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
    18. img_norm = normalize(img_tensor)
    19. print(img_norm[0][0][0])  #查看正则化之后的第0层第0行第0列
    20. writer.add_image('img_norm',img_norm)
    22. #Reszie----------------------------------------
    24. #文档中可以看到Resize可以转换PIL和tensor两种类型,但最后tensorboard打开只能是tensor类型因此从以tensor举例
    25. #print(img_PIL.size)
    26. print(img_tensor)
    27. trans_Resize = transforms.Resize((500,500))
    28. img_tensor_Resize = trans_Resize(img_tensor)
    29. #img_PIL_Resize = trans_Resize(img_PIL)
    30. writer.add_image('img_tensor_Resize',img_tensor_Resize)
    31. print(img_tensor_Resize)
    33. #compose----------------------------------------------
    34. trans_Resize_2 = transforms.Resize(500)#这里是HW等比例缩放
    35. #transforms.compose()的作用其实就是将两个功能进行组合：1缩放（这里用的等比例）2转换成tensor类型
    36. #transforms.compose()参数的格式必须是数组，数组的内容必须是transforms
    37. #trans_Resize_2 and img_trans 都是transforms类型
    38. #要注意的是，transforms.Compose()中，trans_Resize_2的输出必须符合img_trans的输入格式.
    39. #这里trans_Resize_2的输出为PIL，符合img_trans（transforms.ToTensor()）的输入。
    40. trans_compose = transforms.Compose([trans_Resize_2, img_trans])
    41. img_compose = trans_compose(img_PIL)
    42. writer.add_image('img_compose',img_compose)
    45. ##RandomCrop--------------------------------------
    47. #先随机裁剪 再转换成tensor类型
    48. # trans_Random = transforms.RandomCrop(300)
    49. # img_crop = trans_Random(img_PIL)
    50. # print(img_crop)
    51. # img_crop_tensor = img_trans(img_crop)
    52. # writer.add_image('img_crop',img_crop_tensor)
    54. #用compose组合两个功能
    55. trans_Random = transforms.RandomCrop((300,150))#指定HW  不指定就直接RandomCrop(300)
    56. img_compose_2 = transforms.Compose([trans_Random, img_trans])
    58. #官方文档中写为:
    59. #img_compose_2 = transforms.Compose([transforms.RandomCrop(300),transforms.ToTensor(),])
    61. for i in range(10):
    62.     img_crop = img_compose_2(img_PIL)
    63.     writer.add_image('img_crop',img_crop,i)
    66. writer.close()
    69. # 多看官方文档
    70. # 关注输入输出类型
    71. # 关注与方法需要的参数
    72. # 多使用print(img)   print(type(img))  print(img.shape)查看返回类型