Transformation
在Pytorch中，数据转换（Data Transformation）是一种在加载的样本数据时对数据预处理的机制，将原始数据转换为合适模型训练的格式主要通过torchvision.transforms提供的工具完成。数据转换不仅可以实现基本的数据预处理（如归一化，大小调整等），还能帮助进行数据增强（如随机裁剪、翻转等），提高模型的泛化能力。其作用如下：
数据预处理： 将原始图片（PIL Image、numpy array）转换为Tensor，并做归一化，以匹配模式输入要求。例如：输入的样本图像需要调整为固定大小，张量格式并归一化到[0,1]。
数据增强： 在训练时随机裁剪、翻转、改变颜色等，增加数据多样性，提升模型泛化能力。例如：通过随机旋转、裁剪和裁剪增加数据样本的变种，避免过拟合。
统一处理： 把多种变换组合成一个pipeline，与DataLoader无缝衔接。可以动态地对数据进行处理，简化数据加载的复杂度。
环境准备：
pip install torch torchvision
导入常用模块：
import torch
from torch.utils.data import Dataset, DataLoader
import torchvision.transforms.v2 as transforms # 推荐使用 v2
from PIL import Image
如果你习惯旧 API，可以通过 from torchvision import transforms 导入，但 v2 的功能更强大且兼容旧用法。
1.基础变换操作
变换函数名称 描述 实例
transforms.ToTensor() 将PIL图像或NumPy数组转换为PyTorch张量，并自动将像素值归一化到 [0, 1]。 transform = transforms.ToTensor()
transforms.Normalize(mean, std) 对图像进行标准化，使数据符合零均值和单位方差。 transform = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
transforms.Resize(size) 调整图像尺寸，确保输入到网络的图像大小一致。 transform = transforms.Resize((256, 256))
transforms.CenterCrop(size) 从图像中心裁剪指定大小的区域。 transform = transforms.CenterCrop(224)
1.1 ToTensor
将PIL图形或Numpy数组转换为PyTorch张量。同时将像素值从
[
0
,
255
]
归一化为
[
0
,
1
]
。
from torchvision import transforms
transform = transforms.ToTensor()
1.2 Normalize
对数据进行标准化，使其符合特定的均值和标准差。通常用于图像数据，将其像素值归一化为零均值和单位方差。
transform = transforms.Normalize(mean=[0.5], std=[0.5]) # 归一化到 [-1, 1]
1.3 Resize
调整样本图形的大小，确保输入到网络图像大小一致。
transform=transforms.Resize((128, 128)) # 将图像调整为 128x128
1.4 CenterCrop
从图像中心裁剪指定大小的区域。
transform = transforms.CenterCrop(128) # 裁剪 128x128 的区域
2. 数据增强操作（Data Augmentation）
变换函数名称 描述 实例
transforms.RandomHorizontalFlip§ 随机水平翻转图像。 transform = transforms.RandomHorizontalFlip(p=0.5)
transforms.RandomRotation(degrees) 随机旋转图像。 transform = transforms.RandomRotation(degrees=45)
transforms.ColorJitter(brightness, contrast, saturation, hue) 调整图像的亮度、对比度、饱和度和色调。 transform = transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1)
transforms.RandomCrop(size) 随机裁剪指定大小的区域。 transform = transforms.RandomCrop(224)
transforms.RandomResizedCrop(size) 随机裁剪图像并调整到指定大小。 transform = transforms.RandomResizedCrop(224)
2.1 RandomCrop
从图形中随机裁剪指定大小。
transform = transforms.RandomCrop(128)
2.2 RandomHorizontalFlip
以一定概率水平翻转图形。
transform = transforms.RandomHorizontalFlip(p=0.5) # 50% 概率翻转
2.3 RandomRotation
随机将图像旋转一定角度。
transform = transforms.RandomRotation(degrees=30) # 随机旋转 -30 到 +30 度
2.4 ColorJitter
随机改变图像的亮度、对比度、饱和度或色调。
transform = transforms.ColorJitter(brightness=0.5, contrast=0.5)
3.组合变换
这些转换可以通过Compose组合在一起，以便对图像进行一系列的转换。Compose类允许你创建一个包含多个转换操作的列表，这些操作将按照定义的顺序应用于输入数据中。
变换函数名称 描述 实例
transforms.Compose() 将多个变换组合在一起，按照顺序依次应用。 transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), transforms.Resize((256, 256))])
通过transforms.Compose将多个变换组合起来。
transform = transforms.Compose([
transforms.Resize((128, 128)),
transforms.RandomHorizontalFlip(p=0.5),
transforms.ToTensor(),
transforms.Normalize(mean=[0.5], std=[0.5])
])
4.与Dataset和DataLoader配合
PyTorch的Data set类负责加载数据，transform作为参数参入，在__getitem__中被调用。
class ImageDataset(Dataset):
definit(self, image_paths, labels, transform=None):
self.image_paths = image_paths
self.labels = labels
self.transform = transform
def __len__(self): return len(self.image_paths) def __getitem__(self, idx): img = Image.open(self.image_paths[idx]).convert('RGB') label = self.labels[idx] if self.transform: img = self.transform(img) return img, label创建DataLoader：
train_dataset = ImageDataset(train_paths, train_labels, transform=train_transform)
train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)
5.完整案例
import matplotlib.pyplot as plt
from torchvision import datasets
from torchvision import datasets, transforms
原始和增强后的图像可视化
transform_augment = transforms.Compose([
transforms.RandomHorizontalFlip(),
transforms.RandomRotation(30),
transforms.ToTensor()
])
加载数据集
dataset = datasets.MNIST(root=‘./data’, train=True, download=True, transform=transform_augment)
显示图像
def show_images(dataset):
fig, axs = plt.subplots(1, 5, figsize=(15, 5))
for i in range(5):
image, label = dataset[i]
axs[i].imshow(image.squeeze(0), cmap=‘gray’) # 将 (1, H, W) 转为 (H, W)
axs[i].set_title(f"Label: {label}")
axs[i].axis(‘off’)
plt.show()
show_images(dataset)
