pytorch 带batch的tensor类型图像显示操作
pytorch 带batch的tensor类型图像显示操作
pytorch 带batch的tensor类型图像显示操作_python_脚本之家 (jb51.net)
这篇文章主要介绍了pytorch 带batch的tensor类型图像显示操作，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
项目场景
pytorch训练时我们一般把数据集放到数据加载器里，然后分批拿出来训练。训练前我们一般还要看一下训练数据长啥样，也就是训练数据集可视化。
那么如何显示dataloader里面带batch的tensor类型的图像呢？
显示图像
绘图最常用的库就是matplotlib：
| 1 |
pip install matplotlib
|
显示图像会用到matplotlib.pyplot.imshow方法。查阅官方文档可知，该方法接收的图像的通道数要放到后面：
数据加载器中数据的维度是[B, C, H, W]，我们每次只拿一个数据出来就是[C, H, W]，而matplotlib.pyplot.imshow要求的输入维度是[H, W, C]，所以我们需要交换一下数据维度，把通道数放到最后面，这里用到pytorch里面的permute方法（transpose方法也行，不过要交换两次，没这个方便，numpy中的transpose方法倒是可以一次交换完成）
用法示例如下：
| 1 2 3 4 5 |
>>> x = torch.randn(2, 3, 5)
>>> x.size()
torch.Size([2, 3, 5])
>>> x.permute(1, 2, 0).size()
torch.Size([3, 5, 2])
|
代码示例
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 |
#%% 导入模块
import torch
import matplotlib.pyplot as plt
from torchvision.utils import make_grid
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
#%% 下载数据集
train_file = datasets.MNIST(
root='./dataset/',
train=True,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
]),
download=True
)
#%% 制作数据加载器
train_loader = DataLoader(
dataset=train_file,
batch_size=9,
shuffle=True
)
#%% 训练数据可视化
images, labels = next(iter(train_loader))
print(images.size()) # torch.Size([9, 1, 28, 28])
plt.figure(figsize=(9, 9))
for i in range(9):
plt.subplot(3, 3, i+1)
plt.title(labels[i].item())
plt.imshow(images[i].permute(1, 2, 0), cmap='gray')
plt.axis('off')
plt.show()
|
这里以mnist数据集为例，演示一下显示效果。我这个代码其实还有一点小问题。数据增强的时候我不是进行标准化了嘛，就是在第7行代码：Normalize((0.1307,), (0.3081,))。
所以，如果你想查看训练集的原始图像，还得反标准化。
标准化：image = (image-mean)/std
反标准化：image = image*std+mean
我拿imagenet中的一个蚂蚁和蜜蜂的子集做了一下实验，标准化前后的区别还是很明显的：
最终效果
补充：PIL，plt显示tensor类型的图像
该方法针对显示Dataloader读取的图像
PIL 与plt中对应操作不同，但原理是一样的，我试过用下方代码Image的方法在plt上show失败了，原因暂且不知。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
# 方法1：Image.show()
# transforms.ToPILImage()中有一句
# npimg = np.transpose(pic.numpy(), (1, 2, 0))
# 因此pic只能是3-D Tensor，所以要用image[0]消去batch那一维
img = transforms.ToPILImage(image[0])
img.show()
# 方法2：plt.imshow(ndarray)
img = image[0] # plt.imshow()只能接受3-D Tensor，所以也要用image[0]消去batch那一维
img = img.numpy() # FloatTensor转为ndarray
img = np.transpose(img, (1,2,0)) # 把channel那一维放到最后
# 显示图片
plt.imshow(img)
plt.show()
cnt += 1
|