目录
1）torchvision.transforms.ToTensor
2）pytorch的图像预处理和caffe中的图像预处理
写这篇文章的初衷，就是同事跑过来问我，pytorch对图像的预处理为什么和caffe的预处理存在差距，我也是第一次注意到这个问题；
1）torchvision.transforms.ToTensor
直接贴代码：
第一段代码：
class ToTensor(object):"""Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor.Converts a PIL Image or numpy.ndarray (H x W x C) in the range[0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0]."""def __call__(self, pic):"""Args:pic (PIL Image or numpy.ndarray): Image to be converted to tensor.Returns:Tensor: Converted image."""return F.to_tensor(pic)def __repr__(self):return self.__class__.__name__ + '()'
第二段代码：
def to_tensor(pic):"""Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor.See ``ToTensor`` for more details.Args:pic (PIL Image or numpy.ndarray): Image to be converted to tensor.Returns:Tensor: Converted image."""if not(_is_pil_image(pic) or _is_numpy_image(pic)):raise TypeError('pic should be PIL Image or ndarray. Got {}'.format(type(pic)))if isinstance(pic, np.ndarray):# handle numpy arrayimg = torch.from_numpy(pic.transpose((2, 0, 1)))# backward compatibilityif isinstance(img, torch.ByteTensor):return img.float().div(255)else:return img
在第二段代码中，可以看出图像进来以后，先进行通道转换，然后判断图像类型，若是uint8类型，就除以255；否则返回原图。
在使用opencv读图时，图像读入后的数据类型就是uint8，所以若是自己做实验，想看看transform后的效果，传入随意数据作为图片，记得使用方法如下：
im = np.ones([112, 112, 3])#图像是3*112*112大小，像素值为1，数据类型float64im = np.array(im, dtype = np.uint8)#将数据float64转换成uint8
2）pytorch的图像预处理和caffe中的图像预处理
在常规使用中，pytorch的图像预处理：
test_transform = pose([transforms.ToTensor(), # range [0, 255] -> [0.0,1.0]transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))]) # range [0.0, 1.0] -> [-1.0,1.0]im_tensor = test_transform(im).to(torch.device("cuda:0" if torch.cuda.is_available() else "cpu")).unsqueeze(0)
对应到caffe中的预处理操作：
scale = 0.0078125mean_value = 127.5tempimg = (tempimg - mean_value) * scale # done in imResample function wrapped by pythontempimg = tempimg.transpose(0, 3, 1, 2)
参考：
https://pytorch-cn.readthedocs.io/zh/latest/package_references/Tensor/
/bublebee/article/details/88993467
