web-dev-qa-db-ja.com

PyTorch-「toPILImage」を正しく使用する方法

トーチビジョンの toPILImage を正しく使用したかどうかを知りたいです。データセットに初期画像変換が適用された後の画像を確認するために、それを使用したいと思います。

以下のコードのように使用すると、表示される画像は これ のような変な色になります。元の画像は通常のRGB画像です。

これは私のコードです：

import os
import torch
from PIL import Image, ImageFont, ImageDraw
import torch.utils.data as data
import torchvision
from torchvision import transforms    
import matplotlib.pyplot as plt

# Image transformations
normalize = transforms.Normalize(
    mean=[0.485, 0.456, 0.406],
    std=[0.229, 0.224, 0.225]
    )
transform_img = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(256),
    transforms.ToTensor(),
    normalize ])

train_data = torchvision.datasets.ImageFolder(
    root='./train_cl/',
    transform=transform_img
    )
test_data = torchvision.datasets.ImageFolder(
    root='./test_named_cl/',
    transform=transform_img                                             
    )

train_data_loader = data.DataLoader(train_data,
    batch_size=4,
    shuffle=True,
    num_workers=4) #num_workers=args.nThreads)

test_data_loader = data.DataLoader(test_data,
    batch_size=32,
    shuffle=False,
    num_workers=4)        

# Open Image from dataset:
to_pil_image = transforms.ToPILImage()
my_img, _ = train_data[248]
results = to_pil_image(my_img)
results.show()

編集：

テンソルを取得するには、トーチ変数で.dataを使用する必要がありました。また、転置する前にnumpy配列を再スケーリングする必要がありました。私は実用的な解決策を見つけました here が、それが常にうまく機能するとは限りません。これをもっとよくするにはどうすればよいですか？

for i, data in enumerate(train_data_loader, 0):
    img, labels = data
    img = Variable(img)
    break

image = img.data.cpu().numpy()[0]

# This worked for rescaling:
image = (1/(2*2.25)) * image + 0.5

# Both of these didn't work:
# image /= (image.max()/255.0)
# image *= (255.0/image.max())

image = np.transpose(image, (1,2,0))
plt.imshow(image)
plt.show()
pythonpytorch
4
kett

PILイメージを使用できますが、通常のように実際にデータをロードしているわけではありません。

代わりに次のようなものを試してください：

import numpy as np
import matplotlib.pyplot as plt

for img,labels in train_data_loader:
    # load a batch from train data
    break

# this converts it from GPU to CPU and selects first image
img = img.cpu().numpy()[0]
#convert image back to Height,Width,Channels
img = np.transpose(img, (1,2,0))
#show the image
plt.imshow(img)
plt.show()
2
Steven

私はこのようなものを使います

# Open Image from dataset:
my_img, _ = train_data[248]
results = transforms.ToPILImage()(my_img)
results.show()
3
SpeedOfSpin