PyTorch入门学习（一）Dataset类代码实战

前言

因为在写代码的过程中发现对整体的框架使用十分不熟，所以恶补一下pytorch的入门知识。

运行jupyter需要在cmd上，power shell上会出错（因为不久前我将默认终端应用程序改为Windows终端，可能前期的windows powershell没有装好，导致打开cmd出错，实际上平常用的是powershell），改过去之后直接用cmd进如pytorch虚拟环境运行jupyter

conda activate pytorch
jupyter notebook

加载数据

在pytorch中如何读取数据主要涉及到两个类，分别是Dataset和Dataloader

cv2和PIL的区别

顺便一提（在准备MICCAI中遇到读取图片用的是cv2，但之前跟着写的代码都是用PIL）cv2和PIL的区别：

• 读取的通道不同：cv2读取图像为BGR顺序通道，PIL读取图像为RGB顺序通道；

• 读取代码不同：

# cv2读取方式
input1 = r'E:\DRPL\data\blur\1_ILSVRC2012_val_00004507_3_183.jpg'
cv2img = cv2.imread(input1, flags=cv2.IMREAD_COLOR)  # 默认以BGR形式打开
cv2.imshow("cv2img", cv2img)
cv2.waitKey(0)
# PIL读取方式
input2 = r'E:\DRPL\data\blur\1_ILSVRC2012_val_00004507_3_re183.jpg'
pilimg = Image.open(input2)
pilimg.show()

• 读取出的图像类型以及尺度属性不同：

print(cv2img.shape, cv2img.size, type(cv2img))
print(pilimg.size, type(pilimg))
# cv2读取出图像的类型为ndarray类型，pil读取的为PIL类型。
# cv2读取的图像同时拥有shape()和size()方法，pil只有size()方法。

• 将cv2和PIL转换为tensor数据类型代码对比

trans = transforms.ToTensor()
tensor_cv2 = trans(cv2img)
tensor_pil = trans(pilimg)
print(tensor_cv2.shape, tensor_cv2.size(), type(tensor_cv2))
print(tensor_pil.shape, tensor_pil.size(), type(tensor_pil))
# 两者都可以转换为tensor数据类型

• cv2图像和PIL图像相互转换

# 将PIL转换为cv2# 方法1：用numpy.asarray()函数转化类型，再用cv2.cvtColor转化RGB为BGR通道.
trans_cv2img = cv2.cvtColor(numpy.asarray(pilimg), cv2.COLOR_RGB2BGR)
cv2.imshow("trans_cv2img", trans_cv2img)
cv2.waitKey(0)# 方法2：可以不使用cv2.cvtColor，但是show出来的图像会发蓝，因为没有变换通道
trans_tocv2 = numpy.array(pilimg)
cv2.imshow("transtocv2", transtocv2)
cv2.waitKey(0)

• 其他知识引申：

# 转换RGB的方法对比cv2img1 = cv2.cvtColor(cv2img, cv2.COLOR_BGR2RGB)
pilimg1 = pilimg.convert('RGB')

将PILimg转换为cv2时可以使用numpy.array()，也可以使用numpy.asarray()，这两者的区别在于array会copy出一个副本，占用新的内存，但asarray不会；

就是说将数据源用asarray转换后赋值给新的变量，再对原始数据源进行操作修改，会影响到新的变量数据.而如果用array来转换并赋值给新变量，修改原始数据后不会对新变量造成影响。

pycharm中读取数据

pycharm终端可以详细显示数据类型，下图为使用PIL读取数据过程

使用os读取图片路径存进列表中

数据可视化