电脑软件下载网站/企业seo排名

这节课介绍pytorch的图像预处理模块transforms的运行机制。

首先介绍transforms机制。然后介绍常用的数据标准化方法：Normalize

一、transforms运行机制

在安装pytorch的时候，下载安装了两个安装个包，一个是torch，一个是torchvision。torchvision是pytorch的计算机视觉工具包。在torchvision中有三个主要的模块。      

torchvision.transforms提供了一系列的图像预处理方法。

第二个主要模块是datasets,这里定义了一些列常用的数据集。

最后一个模块是model模块，提供了常用的与训练模型。

今天我们主要学习transforms.

我们知道深度学习是由数据驱动的。而数据的数量和分布对模型的优劣起到决定性作用。所以，我们需要对数据进行一系列的预处理及数据增强来提升模型的泛化能力。

右边的这64张图片都来源于一张图片。

我们通过代码来学习pytorch的图像增强机制。

transforms是在getitem中实现的。

回顾上一节讲的数据读取的流程图，加上transforms为：

二、数据标准化——transforms.Normalize

我们来学习一个比较常用的预处理方法：数据标准化。

transforms.Normalize的功能是对图像进行逐通道的标准化。数据标准化的意思是将数据的均值变为0，标准差变为1。

怎么做呢？就是减均值，然后除以标准差。

我们为什么要对数据进行标准化？

因为对数据进行标准化以后可以加快模型的收敛。

后面讲介绍下面这些方法。