擅长:python、mysql、java
<p>我建议两种选择:</p>
<ol>
<li>创建一个单独的“转换”阶段,该阶段显示图像并在不进行更改的情况下进一步传递图像。一个免费的好处是你可以在转换列表的任何阶段插入。在</li>
</ol>
<pre><code> import cv2
import numpy as np
def TransformShow(name="img", wait=100):
def transform_show(img):
cv2.imshow(name, np.array(img))
cv2.waitKey(wait)
return img
return transform_show
</code></pre>
<p>在<code>ToTensor()</code>之前插入此“transformer”:</p>
^{pr2}$
<p>使用zero<code>delay_in_ms</code>等待按键。在</p>
<p>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</p>
<ol start=“2”>
<li>撤消规格化并显示图像。在</li>
</ol>
<pre><code>def show_image(img, name="img", wait=100):
mean = np.array([0.485, 0.456, 0.406])
std = np.array([0.229, 0.224, 0.225])
cv2.imshow(name, img.cpu().numpy().transpose((1,2,0)) * std + mean)
cv2.waitKey(wait)
</code></pre>
<p>然后叫它</p>
<pre><code> show_image(data[0], "unaug", 1)
</code></pre>
<ol start=“3”>
<li>最后一种方法可以用一个快速的双行程序来近似,但颜色有些扭曲:</li>
</ol>
<pre><code> cv2.imshow("approx", data[0].cpu().numpy().transpose((1,2,0)) * 0.225 + 0.45)
cv2.waitKey(10)
</code></pre>