关于pytorch:transforms机制与数据标准化

32次阅读

共计 553 个字符,预计需要花费 2 分钟才能阅读完成。

文章和代码曾经归档至【Github 仓库:https://github.com/timerring/dive-into-AI】或者公众号【AIShareLab】回复 pytorch 教程 也可获取。

图像预处理 transforms

transforms 运行机制

torchvision:计算机视觉工具包

  • torchvision.transforms

    罕用的图像预处理办法,例如:

    • 数据中心化
    • 数据标准化
    • 缩放
    • 裁剪
    • 旋转
    • 翻转
    • 填充
    • 噪声增加
    • 灰度变换
    • 线性变换
    • 仿射变换
    • 亮度、饱和度及对比度变换
  • torchvision.datasets

    罕用数据集的 dataset 实现,MNIST CIFAR 10 ImageNet 等

  • torchvision.model

    罕用的模型预训练,AlexNet VGG ResNet GoogLeNet 等

transforms 运行的机制

数据标准化 transforms.normalize

transforms.Normalize

标准化的含意是将数据的均值变为 0,标准差变为 1。

性能:逐 channel 的对图像进行标准化

output = (input – mean) / std

  • mean:各通道的均值
  • std:各通道的标准差
  • inplace:是否原地操作

对数据进行标准化后能够放慢模型的收敛。通过比拟不同的试验后果可知,一个好的数据分布更加利于模型的整体收敛。

正文完
 0