PyTorch 图片读取与预处理：使用 torchvision 函数加载和转换图像

本文将介绍如何使用 PyTorch 中的 torchvision 库读取图片并进行预处理，包括调整大小、中心裁剪、转换为张量和标准化等操作。

代码示例

import torch
from torchvision import transforms
from PIL import Image

# 定义图片转换器
transform = transforms.Compose([
    transforms.Resize(224),  # 调整图片大小为 224x224
    transforms.CenterCrop(224),  # 中心裁剪为 224x224
    transforms.ToTensor(),  # 转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 标准化
])

# 读取图片
img = Image.open('example.jpg')

# 转换图片
img_tensor = transform(img)

# 打印图片张量的形状
print(img_tensor.shape)

函数解释

transforms.Compose() 函数可以将多个图片转换操作组合在一起。
transforms.Resize() 函数可以调整图片大小。
transforms.CenterCrop() 函数可以进行中心裁剪。
transforms.ToTensor() 函数可以将图片转换为张量。
transforms.Normalize() 函数可以进行标准化。
Image.open() 函数可以读取图片。

通过以上代码和解释，您应该能够轻松地使用 PyTorch 读取和预处理图片，并将其用于各种深度学习任务。

PyTorch 图片读取与预处理：使用 torchvision 函数加载和转换图像