pytorch中圖像的數(shù)據(jù)格式實(shí)例-創(chuàng)新互聯(lián)

計(jì)算機(jī)視覺方面朋友都需要跟圖像打交道，在pytorch中圖像與我們平時在matlab中見到的圖像數(shù)據(jù)格式有所不同。matlab中我們通常使用函數(shù)imread()來輕松地讀入一張圖像，我們在變量空間中可看到數(shù)據(jù)的存儲方式是H x W x C的順序（其中H、W、C分別表示圖像的高、寬和通道數(shù)，通道數(shù)一般為RGB三通道），另外，其中的每一個數(shù)據(jù)都是[0,255]的整數(shù)。

為安州等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及安州網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為做網(wǎng)站、網(wǎng)站制作、安州網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！

在使用pytorch的時候，我們通常要使用pytorch中torchvision包下面的datasets模塊和transforms模塊。而通常情況下在我們使用了這兩個模塊之后，所處理的圖像數(shù)據(jù)格式已經(jīng)不是我們所熟知的格式了。

下面按照代碼來進(jìn)行講解：

#導(dǎo)入需要的包和模塊
import torch
from torchvision import datasets, transforms
import os
 
#transforms指明了需要對原始圖像做何種變換
data_transforms = transforms.Compose([
    transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
  ])
 
#指明了圖像存放的位置；里面可能有好幾個文件夾，分別存放不同種類的圖像
data_dir = 'original_data'
image_dataset = datasets.ImageFolder(data_dir, data_transforms)
dataloader = torch.utils.data.DataLoader(image_dataset, batch_size=4, shuffle=True, num_workers=4)

網(wǎng)站欄目：pytorch中圖像的數(shù)據(jù)格式實(shí)例-創(chuàng)新互聯(lián)
文章來源：http://muchs.cn/article30/pgdpo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供全網(wǎng)營銷推廣、網(wǎng)站內(nèi)鏈、微信公眾號、面包屑導(dǎo)航、響應(yīng)式網(wǎng)站、虛擬主機(jī)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)