torchvision.transforms.Compose():?
torchvision是torch中處理計算機(jī)視覺的工具包，主要包含torchvision.transforms：圖形變換如剪裁，旋轉(zhuǎn)等；torchvision.datasets：加載數(shù)據(jù)集的接口 ；torchvision.models：提供ResNet, AlexNet, VGG等模型。
torchvision.transforms.Compose()：將多種變換組合在一起：
-----
from torchvision.transforms import transforms
train_transforms = transforms.Compose([
? ? transforms.Resize([224, 224]),? ? ? ? ? ? ? ? ? # 將輸入圖片resize成統(tǒng)一尺寸
? ? transforms.RandomRotation(degrees=(-10, 10)),? # 隨機(jī)旋轉(zhuǎn)，-10到10度之間隨機(jī)選
? ? transforms.RandomHorizontalFlip(p=0.5),? ? ? ? # 隨機(jī)水平翻轉(zhuǎn) 選擇一個概率概率
? ? transforms.RandomVerticalFlip(p=0.5),? ? ? ? ? # 隨機(jī)垂直翻轉(zhuǎn)
? ? transforms.RandomPerspective(distortion_scale=0.6, p=1.0),? ? # 隨機(jī)視角
? ? transforms.GaussianBlur(kernel_size=(5, 9), sigma=(0.1, 5)),? # 隨機(jī)選擇的高斯模糊模糊圖像
? ? transforms.ToTensor(),? ? ? ? ? # 將PIL Image或numpy.ndarray轉(zhuǎn)換為tensor，并歸一化到[0,1]之間
? ? transforms.Normalize(? ? ? ? ? # 正則化處理-->轉(zhuǎn)換為標(biāo)準(zhǔn)正太分布（高斯分布），使模型更容易收斂
? ? ? ? mean=[0.485, 0.456, 0.406],
? ? ? ? std = [0.229, 0.224, 0.225])? # 其中 mean=[0.485,0.456,0.406]與std=[0.229,0.224,0.225] 從數(shù)據(jù)集中隨機(jī)抽樣計算得到的。
])
transforms.Normalize(mean,std)的計算公式是：
大家可以看到, 為什么在一些深度學(xué)習(xí)圖像預(yù)處理的時候，都是使用mean=[0.485, 0.456, 0.406]，?std = [0.229, 0.224, 0.225]呢？pytorch官網(wǎng)之前曾解釋過（All pre-trained models expect input images normalized in the same way, i.e. mini-batches of 3-channel RGB images of shape (3 x H x W), where H and W are expected to be at least 224. The images have to be loaded in to a range of [0, 1] and then normalized using?mean = [0.485, 0.456, 0.406]?and?std = [0.229, 0.224, 0.225]"），不過這段文字已經(jīng)不在了：所有預(yù)訓(xùn)練模型都期望輸入的圖像已相同的方式進(jìn)行歸一化，所以采用mean = [0.485, 0.456, 0.406] ，std = [0.229, 0.224, 0.225]，將圖像轉(zhuǎn)換為標(biāo)準(zhǔn)正太分布（高斯分布），使得模型更容易收斂。
在stackoverflow上的解釋是ImageNet對輸入圖像處理都是采用上述mean和std，他們是基于上百萬張圖像計算而得到的。https://stackoverflow.com/questions/58151507/why-pytorch-officially-use-mean-0-485-0-456-0-406-and-std-0-229-0-224-0-2。
是否使用ImageNet的mean和std，取決于你的圖像數(shù)據(jù)，如果是一些自然風(fēng)光、人文、動植物等可以使用，若是一些醫(yī)療影像、宇宙天文、手寫體之類就不太適合，或是經(jīng)過對比度經(jīng)過調(diào)整、顏色經(jīng)過過濾、非正常光照等也不適合。
因為在我的數(shù)據(jù)集是三維建模圖像如長方體，圓柱體的RGB圖像且是使用ResNet18模型，根據(jù)pytorch官網(wǎng)：https://pytorch.org/vision/stable/models/generated/torchvision.models.quantization.resnet18.html#torchvision.models.quantization.resnet18
進(jìn)行normalize的時候需要使用mean = [0.485, 0.456, 0.406]?and?std = [0.229, 0.224, 0.225]
