transforms的使用 小土堆pytorch记录
关键知识点总结
1. TensorBoard可视化
作用：实时可视化训练过程、模型结构和数据
核心组件：
SummaryWriter：创建日志写入器add_image()：记录图像数据add_scalar()：记录标量数据（如损失函数）
使用流程：
writer = SummaryWriter("logs") # 创建写入器
writer.add_image("tag", tensor, step) # 记录数据
writer.close() # 关闭资源查看日志：终端执行
tensorboard --logdir=logs
2. 图像预处理（transforms）
| 变换类型 | 作用 | 重要参数 | 输入/输出类型 |
|---|---|---|---|
| ToTensor | PIL图像 → Tensor格式 | 无 | PIL → Tensor[C,H,W] |
| Normalize | 标准化（均值&标准差） | (mean), (std) | Tensor → Tensor |
| Resize | 调整图像尺寸 | (h,w) 或 int(短边尺寸) | PIL → PIL |
| RandomCrop | 随机裁剪（数据增强） | (size) | PIL → PIL |
| Compose | 组合多个变换 | [transform1, ...] | 链式执行 |
3. 标准化（Normalize）原理
# 计算公式
normalized = (input - mean) / std# 示例计算（单通道）：
原始值 = 0.8
mean = 0.5, std = 0.5
结果 = (0.8 - 0.5)/0.5 = 0.64. 维度顺序变化
PIL图像：(Width, Height, Channels)
Tensor图像：(Channels, Height, Width)
转换时机：
ToTensor自动完成维度转换
视频代码
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms# 创建TensorBoard写入器，日志保存在logs目录
writer = SummaryWriter("logs")# 打开图像并转换为RGB格式（确保三通道）
img = Image.open("img/redraw.png").convert("RGB")
print(img) # 打印原始图像信息（尺寸/格式）# 1. ToTensor转换（核心知识点）
trans_totensor = transforms.ToTensor() # 创建转换器
img_tensor = trans_totensor(img) # PIL图像 -> Tensor[0,1]
writer.add_image("ToTensor", img_tensor) # 写入TensorBoard# 2. Normalize标准化（核心知识点）
print("原始值:", img_tensor[0][0][0]) # 查看原始像素值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], # RGB三通道均值[0.5, 0.5, 0.5] # RGB三通道标准差
)
img_norm = trans_norm(img_tensor) # 应用标准化：(input-mean)/std
print("归一化后:", img_norm[0][0][0]) # 查看标准化后的值
writer.add_image("Normalize", img_norm, 2) # 写入TensorBoard（step=2）# 3. Resize调整尺寸
print("原始尺寸:", img.size) # PIL格式尺寸 (width, height)
trans_resize = transforms.Resize((512, 512)) # 目标尺寸 (height, width)
img_resize = trans_resize(img) # 调整尺寸（返回PIL图像）
img_resize_tensor = trans_totensor(img_resize) # 再次转换为Tensor
writer.add_image("Resize", img_resize_tensor, 0) # 写入TensorBoard# 4. Compose组合变换（核心知识点）
trans_resize_2 = transforms.Resize(512) # 单参数：调整短边为512
trans_compose = transforms.Compose([trans_resize_2, # 第一步：调整尺寸trans_totensor # 第二步：转Tensor
])
img_compose = trans_compose(img) # 自动顺序执行
writer.add_image("Resize_Compose", img_compose, 1) # 写入TensorBoard# 5. RandomCrop随机裁剪（数据增强）
trans_random = transforms.RandomCrop(512) # 随机裁剪为512x512
trans_compose_2 = transforms.Compose([trans_random, # 随机裁剪trans_totensor # 转Tensor
])
for i in range(10): # 生成10个随机裁剪样本img_crop = trans_compose_2(img)writer.add_image("RandomCrop", img_crop, i) # 每个样本单独记录writer.close() # 关闭写入器知识拓展
1. 常用transforms扩展
# 颜色空间变换
transforms.Grayscale() # 转灰度图
transforms.ColorJitter() # 随机调整亮度/对比度# 几何变换
transforms.RandomRotation(30) # 随机旋转(-30°~30°)
transforms.RandomHorizontalFlip(p=0.5) # 50%概率水平翻转# 组合示例（典型数据增强）
train_transform = transforms.Compose([transforms.RandomResizedCrop(224),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize([0.485,0.456,0.406], [0.229,0.224,0.225])
])调试技巧：
# 检查中间结果
print(type(img)) # 查看当前数据类型
print(img.shape) # 查看Tensor维度
img.show() # 显示PIL图像transforms是构建数据预处理流水线的核心工具，掌握它们能大幅提升数据准备效率。TensorBoard则是模型训练过程的"望远镜"，帮助我们直观理解训练动态。