我想展示一些增强训练图像的样本。在
我的转换包括标准ImageNet transforms.Normalize
,如下所示:
train_transforms = transforms.Compose([transforms.RandomRotation(30),
transforms.RandomResizedCrop(224),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406],
[0.229, 0.224, 0.225])])
然而,由于Normalise
,图像显示出奇怪的颜色。在
This answer表示我需要访问原始图像,这在加载时应用转换时很困难:
^{pr2}$在使用标准化的图像进行计算的同时,我该如何以它们通常的颜色显示一些样本增强图像?在
只需撤消标准化操作,即乘以标准差并加上 中庸之道。在
请参见Pythorch教程中的imshow方法: https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html#visualize-a-few-images
我建议两种选择:
在
^{pr2}$ToTensor()
之前插入此“transformer”:使用zero
delay_in_ms
等待按键。在我在这里使用OpenCV显示图像。也可以只用枕头/枕头,但我不喜欢它的处理方式。在
然后叫它
我已经面临同样的问题了。我的解决方案是创建一个不同的
torch.Dataset
,但不进行标准化。在Here我创建}。前者只进行数据扩充,后者采用数据扩充加规范化。在
Dataset
。Here我有一个实现扩充的类。我有两个成员:self.tf_augment
和{相关问题 更多 >
编程相关推荐