pytorch——单张图片读取、dataloader等处理

图片读取、dataloader等处理"/>

pytorch——单张图片读取、dataloader等处理

        首先，无论是train还是test，无论是整个数据集还是单张图片，第一步都是先加载数据，此后才是做一些处理。这篇文章就是对pytorch中数据的读取和处理做一个简单的学习记录。

1 对于单张图片读取（一般用于简单检测）

        事实上，可以用opencv或者PIL（pillow）读取图片，然后再进行处理。

        但和torchvision比较相近的是用PIL读取，然后同样可以用transforms的一些函数。这里的图像预处理过程（比如说图片大小）等就可以跟训练中的validation保持一致。

from PIL import image
from torchvision import transformsimg = Image.open(img_path)
img = transforms.Resize(448)(img)  # 保持长宽比的resize方法
# img = transforms.Resize((448,448))(img)  # 直接resize成正方形的方法
img = transforms.ToTensor()(img)
img = transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))(img)img_ = img.unsqueeze(0)  # 拓展维度, 拓展batch_size那一维
img_ = img_.to(device)# 推理过程
output = net(img_)  # net是提前读取的模型
pred_index = int(torch.argmax(output_com, dim=1))

2 对于图片数据集batch化读取（用于训练or批量测试）

        2.1 torchvision自带的dataloader