### Torchvision.transforms 使用方法与示例 `torchvision.transforms` 是 PyTorch 中用于图像预处理的重要工具包，它提供了丰富的图像变换功能。通过 `transforms.Compose` 可以将多种变换操作串联起来形成一个完整的流水线[^1]。 以下是关于 `torchvision.transforms` 的详细介绍及其使用方法： #### 单张张量图像的处理示例 当需要对单张图像进行预处理时，可以通过定义一系列变换并将其应用于输入数据。以下是一个典型的例子，展示了如何调整大小、裁剪以及标准化图像： ```python import torchvision.transforms as transforms from PIL import Image # 定义图像变换序列 transform_pipeline = transforms.Compose([ transforms.Resize((256, 256)), # 调整图像大小至 (256, 256) transforms.CenterCrop(224), # 居中裁剪为 (224, 224) transforms.ToTensor(), # 将 PIL 图像转为 Tensor transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 归一化 ]) # 打开一张测试图片 img = Image.open('test_image.jpg') # 应用变换 tensor_img = transform_pipeline(img) print(tensor_img.shape) # 输出形状应为 [3, 224, 224] ``` 此代码实现了从原始图像到适合模型输入的标准格式的转换过程[^2]。 #### 处理批量张量图像的示例 如果目标是对一批次的数据集中的所有样本统一施加相同的预处理逻辑，则可以在自定义 Dataset 类中集成这些变换，并借助 DataLoader 实现高效加载。如下所示： ```python import torch from torch.utils.data import Dataset, DataLoader import torchvision.transforms as transforms from PIL import Image class CustomDataset(Dataset): def __init__(self, image_paths, transform=None): self.image_paths = image_paths self.transform = transform def __len__(self): return len(self.image_paths) def __getitem__(self, idx): img_path = self.image_paths[idx] img = Image.open(img_path).convert('RGB') if self.transform: img = self.transform(img) return img # 数据增强配置 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]) ]) # 创建数据集对象 dataset = CustomDataset(image_paths=['path/to/image1.jpg', 'path/to/image2.jpg'], transform=data_transforms) # 初始化 Data Loader dataloader = DataLoader(dataset, batch_size=4, shuffle=True, num_workers=4) for batch_images in dataloader: print(batch_images.shape) # 每批次输出形状应为 [batch_size, channels, height, width] ``` 这里创建了一个继承自 `torch.utils.data.Dataset` 的类来封装我们的数据源，并在其中引入了之前定义好的变换管道[^3]。 #### 常见变换函数解释 - **Resize**: 修改图像分辨率。 - **CenterCrop/RandomCrop**: 分别执行中心区域裁切或随机位置裁切。 - **ToTensor**: 把 PIL.Image 或 numpy.ndarray 转换成 FloatTensor，并自动缩放到范围 `[0., 1.]`。 - **Normalize**: 对像素值做均值方差归一化处理，便于后续网络训练收敛更快更好[^4]。 --- ###