torchvision 模組

torchvision是獨立於pytorch的關於影象操作的工具庫,主要包含了如下4個子模組或包：

• datasets
• utils
• transforms
• models

1、datasets

torchvision.datasets包含如下資料集，可以下載和載入

• MNIST
• COCO（用於影象標註和目標檢測）(Captioning and Detection)
• LSUN Classification
• ImageFolder
• Imagenet-12
• CIFAR10 and CIFAR100
• STL10
• SVHN 
• PhotoTour

from torchvision import datasets
​​​​​​​train_dataset = datasets.MNIST(root='./data', train=True,
                               transform=transforms.ToTensor(),
                               download=True)

此操作便可下載MNIST的訓練資料集，

資料集有 API: - __getitem__ - __len__ 他們都是 torch.utils.data.Dataset的子類。因此， 他們可以使用torch.utils.data.DataLoader裡的多執行緒 (python multithreading) 。

例如:

torch.utils.data.DataLoader(coco_cap, batch_size=args.batchSize, shuffle=True, num_workers=args.nThreads)

2、utils

utils主要提供了兩個方法：

• make_grid  
• save_image

torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False) 
將輸入的minbatch_size圖片轉換成一張大的網格圖片

torchvision.utils.save_image(tensor, filename, nrow=8, padding=2, normalize=False, range=None, scale_each=False) 
將輸入的圖片儲存，如果輸入的是minbatch_size圖片，先make_grid轉換成大的網格圖再儲存
 

3、transforms

了方便進行資料的操作，pytorch團隊提供了一個torchvision.transforms包，我們可以用transforms進行以下操作：

PIL.Image/numpy.ndarray與Tensor的相互轉化；

歸一化；

對PIL.Image進行裁剪、縮放等操作。

通常，在使用torchvision.transforms，我們通常使用transforms.Compose將transforms組合在一起。

transform = transforms.Compose([
    transforms.RandomSizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean = [ 0.485, 0.456, 0.406 ],
                          std = [ 0.229, 0.224, 0.225 ]),
])

• transforms.ToTensor() :把shape=(H x W x C)的畫素值範圍為[0, 255]的PIL.Image或者numpy.ndarray轉換成shape=(C x H x W)的畫素值範圍為[0.0, 1.0]的torch.FloatTensor。
• transforms.Normalize(mean,std) : 此轉換類作用於torch.tensor，給定均值(R, G, B)和標準差(R, G, B)，用公式channel = (channel - mean) / std進行規範化。

4、models

torchvision.models包含下列常用網路結構,並且提供了預訓練模型，可以通過簡單呼叫來讀取網路結構和預訓練模型

• AlexNet: AlexNet variant from the “One weird trick” paper.
• VGG: VGG-11, VGG-13, VGG-16, VGG-19 (with and without batch normalization)
• ResNet: ResNet-18, ResNet-34, ResNet-50, ResNet-101, ResNet-152
• SqueezeNet: SqueezeNet 1.0, and SqueezeNet 1.1

import torchvision
model = torchvision.models.resnet50(pretrained=True)

這樣就匯入了resnet50的預訓練模型了，

如果只需要網路結構，不需要用預訓練模型的引數來初始化

model = torchvision.models.resnet50(pretrained=False)

如果要匯入densenet模型也是同樣的道理，比如匯入densenet169，且不需要是預訓練的模型，

model = torchvision.models.densenet169(pretrained=False)

由於預訓練引數預設是假，所以等價於

model = torchvision.models.densenet169()