Question

在我的自定义数据集中，我想将transforms.Compose()应用于NumPy数组。

我的图像采用NumPy数组格式，形状为(num_samples, width, height, channels)。

如何将以下转换应用于整个numpy数组？

img_transform = transforms.Compose([ transforms.Scale((224,224)), transforms.ToTensor(), transforms.Normalize([0.46, 0.48, 0.51], [0.32, 0.32, 0.32]) ])

由于转换接受的是PIL图片而非4-d NumPy数组，因此我的尝试以多个错误结束。

from torchvision import transforms
import numpy as np
import torch

img_transform = transforms.Compose([
        transforms.Scale((224,224)),
        transforms.ToTensor(),
        transforms.Normalize([0.46, 0.48, 0.51], [0.32, 0.32, 0.32])
    ])

a = np.random.randint(0,256, (299,299,3))
print(a.shape)

img_transform(a)

Answer 1

所有的Torchvision变换都对单个图像而不是成批图像进行操作，因此无法使用4D阵列。

以NumPy数组形式给出的单个图像（如您的代码示例中所示）可以通过将其转换为PIL图像来使用。您只需将transforms.ToPILImage添加到转换管道的开头，即可将张量或NumPy数组转换为PIL图像。

img_transform = transforms.Compose([
        transforms.ToPILImage(),
        transforms.Resize((224,224)),
        transforms.ToTensor(),
        transforms.Normalize([0.46, 0.48, 0.51], [0.32, 0.32, 0.32])
    ])

注意：不推荐使用transforms.Scale的transforms.Resize。

在您的示例中，您使用了np.random.randint，默认情况下使用的类型是int64，但是图像必须是uint8。像OpenCV这样的库在加载图像时会返回uint8数组。

a = np.random.randint(0,256, (299,299,3), dtype=np.uint8)

pytorch 4d numpy数组在自定义数据集中应用transfroms

1 个答案: