transforms机制与数据标准化
【摘要】 文章和代码已经归档至【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常用的图像预处理方法,例如:数据中心化数据标准化缩...
文章和代码已经归档至【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
常用的图像预处理方法,例如:
- 数据中心化
- 数据标准化
- 缩放
- 裁剪
- 旋转
- 翻转
- 填充
- 噪声添加
- 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
常用数据集的 dataset 实现, MNIST CIFAR 10 ImageNet 等
torchvision.model
常用的模型预训练, AlexNet VGG ResNet GoogLeNet 等
transforms运行的机制
数据标准化transforms.normalize
transforms.Normalize
标准化的含义是将数据的均值变为0,标准差变为1。
功能: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可以加快模型的收敛。通过比较不同的实验结果可知,一个好的数据分布更加利于模型的整体收敛。
【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)