当前位置：首页 > 编程日记 > 正文

PyTorch中torchvision介绍

编程日记 2024-12-13 13:40:00

TorchVision包包含流行的数据集、模型架构和用于计算机视觉的图像转换，它是PyTorch项目的一部分。TorchVison最新发布版本为v0.11.1，发布较频繁，它的license为BSD-3-Clause。它的源码位于：
https://github.com/pytorch/vision

TorchVision由C++(CUDA)和Python3实现，依赖Torch、PNG、JPEG，还依赖PIL(Pillow, Python Imaging Library)。推荐使用Anaconda安装，安装时注意对Python和Torch有版本要求。对应TorchVison 0.11.1，Torch版本要求为1.10.0，Python要求为[3.6, 3.9]。通过Anaconda安装TorchVison 0.11.1执行如下命令：

conda create -n torchvision_0.11.1 python=3.8
conda activate torchvision_0.11.1
conda install torchvision==0.11.1 -c pytorch

TorchVision也对外提供C++接口，通过CMakeLists.txt生成动态库。

TorchVision功能：

(1).torchvision.datasets包支持下载/加载的数据集有几十种，如CIFAR、COCO、MNIST等，所有的数据集都有相似的API加载方式。每种数据集在datasets包中都对应一个.py文件，如CIFAR对应有cifar.py。

(2).torchvision.io包提供执行IO操作函数，用于读写视频和图像。

(3).torchvision.models包提供各种模型定义，包括图像分类如AlexNet、VGG等；对象检测如Faster R-CNN、Mask R-CNN等；分割、关键点检测等。

(4).torchvision.ops包实现特定于计算机视觉的操作，如RoI(Region of Interest) Align、RoI(Region of Interest) Pool等。

(5).torchvision.transforms包实现图像变换。大多数转换同时接受PIL图像和tensor图像，尽管有些转换仅适用于PIL，有些则仅适用于tensor。接受tensor图像的转换也接受批量的tensor图像。tensor图像是具有(C, H, W)形状的tensor，其中C是通道数，H和W是图像的高度和宽度。批量tensor图像是一个(B, C, H, W)形状的tensor，其中B是一批图像的数量。tensor图像的预期范围由tensor dtype隐式定义。具有float dtype的tensor图像的值应为[0, 1)。具有整数dtype的tensor图像应具有[0, MAX_DTYPE]，其中MAX_DTYPE是该dtype中可以表示的最大值。

以下为测试代码：

from torchvision import datasets
from torchvision import io
from torchvision import models
from torchvision import ops
from torchvision import transformsimport torch# 下载MNIST数据集: torchvision.datasets包
test = datasets.MNIST("../../data", train=False, download=True)
train = datasets.MNIST("../../data", train=True, download=False)
print(f"raw_folder: test: {test.raw_folder}, train: {train.raw_folder}")
print(f"processed_folder: test: {test.processed_folder}, train: {train.processed_folder}")
print(f"extra_repr:\ntest: {test.extra_repr}\ntrain: {train.extra_repr}")
print(f"class to index: {test.class_to_idx}")# 读写图像: torchvision.io包
tensor = io.read_image("../../data/image/1.jpg")
print("tensor shape:", tensor.shape)
io.write_png(tensor, "../../data/image/result.png")tensor = io.read_image("../../data/image/lena.png")
print("tensor shape:", tensor.shape)
io.write_jpeg(tensor, "../../data/image/result.jpg")# 下载pre-trained AlexNet模型: torchvision.models包
net = models.alexnet(pretrained=True)# 计算机视觉操作: torchvision.ops包
boxes = torch.tensor([[1, 1, 101, 101], [3, 5, 13, 15], [2, 4, 22, 44]])
area = ops.box_area(boxes)
print(f"area: {area}")index = ops.remove_small_boxes(boxes, min_size=20)
print(f"index: {index}")# 图像变换: torchvision.transforms包
resize = transforms.Resize(size=[256, 128])
img = resize.forward(tensor)
io.write_jpeg(img, "../../data/image/resize.jpg")grayscale = transforms.Grayscale()
img2 = grayscale.forward(img)
io.write_jpeg(img2, "../../data/image/gray.jpg")affine = transforms.RandomAffine(degrees=35)
img3 = affine.forward(tensor)
io.write_jpeg(img3, "../../data/image/affine.jpg")crop = transforms.CenterCrop(size=[128, 128])
img4 = crop.forward(tensor)
io.write_jpeg(img4, "../../data/image/crop.jpg")

GitHub：https://github.com/fengbingchun/PyTorch_Test

https://www.dkcj.cn/info/31652.html

PyTorch中torchvision介绍

相关文章：

百度ERNIE登顶GLUE榜单，得分首破90大关

Java 重写(Override)与重载(Overload)

Oracle常用查看表结构命令

TorchVision中使用FasterRCNN+ResNet50+FPN进行目标检测

iOS-UIButton防止重复点击(三种办法)

华为诺亚方舟开源预训练模型“哪吒”，4项任务均达到SOTA

音量调节助手(转)

TorchVision中通过AlexNet网络进行图像分类

西湖龙井也上链？是的，以后你喝什么茶我都知道！

Java Enumeration接口

Windows Azure Pack与SCVMM标签解析分享

Linux下C++中可使用的3种Hook方法

Java Properties 类

国产数据库年终大盘点

解密FFmpeg播放track mode控制

UIButton防止按钮和手势的暴力点击

使用Windows7上的VS Code打开远程机Ubuntu上的文件操作步骤

微众银行殷磊：AI+卫星，从上帝视角洞察资产管理｜BDTC 2019

【二分答案】【最短路】bzoj1614 [Usaco2007 Jan]Telephone Lines架设电话线

Python3中装饰器@typing.overload的使用

19年NAACL纪实：自然语言处理的实用性见解 | CSDN博文精选

高并发场景下数据库的常见问题及解决方案

典型用户 persona

PyTorch中nn.Module类简介

什么是三层交换机、网关、DNS、子网掩码、MAC地址

20行代码发一篇NeurIPS：梯度共享已经不安全了

关于页面打印window.print()的样式问题

Python3中参数*args和**kwargs介绍

4大主流CPU处理器技术架构，不知道就out了！

grunt-connect-proxy解决开发时跨域问题