TORCHVISION  官网地址：torchvision — Torchvision 0.12 documentation

计算机视觉是深度学习中最重要的一类应用，为了方便研究者使用，PyTorch团队专门开发了一个视觉工具包torchvion，这个包独立于PyTorch，需通过pip instal torchvision安装。在之前的例子中我们已经见识到了它的部分功能，这里再做一个系统性的介绍。torchvision它是一个视觉工具包，提供了很多视觉图像处理的工具，主要包含三部分：

• datasets： 提供常用的数据集加载，设计上都是继承torhc.utils.data.Dataset，主要包括MNIST、CIFAR10/100、ImageNet、COCO等。
• models：提供深度学习中各种经典网络的网络结构以及预训练好的模型，包括AlexNet、VGG系列、ResNet系列、Inception系列等。
• transforms：提供常用的数据预处理操作，主要包括对Tensor以及PIL Image对象的操作。
• utils：用于把形似 (3 x H x W) 的张量保存到硬盘中，给一个mini-batch的图像可以产生一个图像格网。

1、datasets

torchvision.datasets 是用来进行数据加载的，Torchvision 在 torchvision.datasets 模块中提供了许多内置数据集，以及用于构建您自己的数据集的实用程序类。

内置数据集：所有数据集都是 torch.utils.data.Dataset 的子类，即它们实现了 __getitem__ 和 __len__ 方法。 因此，它们都可以传递给 torch.utils.data.DataLoader，它可以使用 torch.multiprocessing 工作线程并行加载多个样本。 内置数据集包含图像分类（Caltech 101物体分类 、CelebA人脸分类、CIFAR10 物体汽车分类、MNIST 手写数据分类、LFW人脸验证、ImageNet图像分类等等），图像检测与分割（Cityscapes Dataset、Pascal VOC Segmentation Dataset），以及光流法Optical Flow数据集、视频分类数据集等等。

例如：

imagenet_data = torchvision.datasets.ImageNet('path/to/imagenet_root/')
data_loader = torch.utils.data.DataLoader(imagenet_data,
                                          batch_size=4,
                                          shuffle=True,
                                          num_workers=args.nThreads)

import os
from PIL import  Image
import numpy as np
from torchvision import transforms as T
from torchvision import datasets
from torch.utils.data import DataLoader

normalize = T.Normalize(mean=3, std=0.2)
transform  = T.Compose([
         #T.RandomResizedCrop(224),
         #T.RandomHorizontalFlip(),
         T.ToTensor(),
         normalize,
])

# 指定数据集路径为data，如果数据集不存在则进行下载
# 通过train=False获取测试集
dataset = datasets.MNIST('data/', download=True, train=False, transform=transform)

dataloader = DataLoader(dataset, shuffle=True, batch_size=16)

from torchvision.utils import make_grid, save_image

dataiter = iter(dataloader)
img = make_grid(next(dataiter)[0], 4) # 拼成4*4网格图片，且会转成３通道

to_img = T.ToPILImage()
to_img(img)

save_image(img, 'a.png')
Image.open('a.png')

自定义datasets类的基类：

2、models

torchvision.models 包含用于解决不同任务的模型定义，包括：图像分类、像素语义分割、对象检测、实例分割、人物关键点检测、视频分类和光流。
其中包含如下模型：

• AlexNet

• VGG

• ResNet

• SqueezeNet

• DenseNet

• Inception v3

• GoogLeNet

• ShuffleNet v2

• MobileNetV2

• MobileNetV3

• ResNeXt

• Wide ResNet

• MNASNet

• EfficientNet

• RegNet

• VisionTransformer

• ConvNeXt

通过如下方法构造：

import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
convnext_tiny = models.convnext_tiny()
convnext_small = models.convnext_small()

我们使用 PyTorch torch.utils.model_zoo 提供预训练模型。 这些可以通过传递 pretrained=True 来构造：

import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)

The process for obtaining the values of mean and std is roughly equivalent to:

import torch
from torchvision import datasets, transforms as T

transform = T.Compose([T.Resize(256), T.CenterCrop(224), T.ToTensor()])
dataset = datasets.ImageNet(".", split="train", transform=transform)

means = []
stds = []
for img in subset(dataset):
    means.append(torch.mean(img))
    stds.append(torch.std(img))

mean = torch.mean(torch.tensor(means))
std = torch.mean(torch.tensor(stds))

以下架构为 INT8 量化模型提供支持。 您可以通过调用其构造函数来获得具有随机权重的模型：

googlenet = models.quantization.googlenet()
inception_v3 = models.quantization.inception_v3()
mobilenet_v2 = models.quantization.mobilenet_v2()
mobilenet_v3_large = models.quantization.mobilenet_v3_large()
resnet18 = models.quantization.resnet18()
resnet50 = models.quantization.resnet50()

只需几行代码即可获得预训练的量化模型：

import torchvision.models as models
model = models.quantization.mobilenet_v2(pretrained=True, quantize=True)
model.eval()
# run the model with quantized inputs and weights
out = model(torch.rand(1, 3, 224, 224))

语义分割
模型包包含以下语义分割模型架构的定义：

• FCN ResNet50, ResNet101

• DeepLabV3 ResNet50, ResNet101, MobileNetV3-Large

• LR-ASPP MobileNetV3-Large

目标检测、实例分割和人物关键点检测
模型包包含以下用于检测的模型架构的定义：

• Faster R-CNN

• FCOS

• Mask R-CNN

• RetinaNet

• SSD

• SSDlite

3、transforms

其中transforms模块提供了对PIL Image对象和Tensor对象的常用操作。张量图像是具有 (C, H, W) 形状的张量，其中 C 是通道数，H 和 W 是图像的高度和宽度。 A batch of Tensor Images 是一个 (B, C, H, W) 形状的张量，其中 B 是 batch 中的图像数量。

对PIL Image的操作包括：

• Scale：调整图片尺寸，长宽比保持不变
• CenterCrop、RandomCrop、RandomResizedCrop： 裁剪图片
• Pad：填充
• ToTensor：将PIL Image对象转成Tensor，会自动将[0, 255]归一化至[0, 1]

对Tensor的操作包括：

• Normalize：标准化，即减均值，除以标准差
• ToPILImage：将Tensor转为PIL Image对象

如果要对图片进行多个操作，可通过Compose函数将这些操作拼接起来，类似于nn.Sequential。注意，这些操作定义后是以函数的形式存在，真正使用时需调用它的__call__方法，这点类似于nn.Module。例如要将图片调整为224×224，首先应构建这个操作trans = Resize((224, 224))，然后调用trans(img)。下面我们就用transforms的这些操作来优化上面实现的dataset。

官方用例子解释了transforms具体的用法：
1、Illustration of transforms

2、Tensor transforms and JIT

4、utils

The torchvision.utils module contains various utilities, mostly for vizualization.

此示例说明了 torchvision 提供的用于可视化图像、边界框、分割掩码和关键点的一些实用程序。
代码例子地址：Visualization utilities — Torchvision 0.12 documentation
 

边界框代码
 

from torchvision.utils import draw_bounding_boxes


boxes = torch.tensor([[50, 50, 100, 200], [210, 150, 350, 430]], dtype=torch.float)
colors = ["blue", "yellow"]
result = draw_bounding_boxes(dog1_int, boxes, colors=colors, width=5)
show(result)

5、READING/WRITING IMAGES AND VIDEOS

torchvision.io 包提供了执行 IO 操作的函数。 它们目前专门用于读取和写入视频和图像。

Video

Image