pytorch生成图片（pytorch之transforms.Compose（）函数理解）
本文目录
pytorch之transforms.Compose（）函数理解
torchvision 是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。以下是torchvision的构成：
1 .torchvision.datasets : 一些加载数据的函数及常用的数据集接口；
2. torchvision.models : 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；
3. torchvision.transforms : 常用的图片变换，例如裁剪、旋转等；
4. torchvision.utils : 其他的一些有用的方法。
pytorch中的transforms模块中包含了很多种对图像数据进行变换的函数，这些都是在我们进行图像数据读入步骤中必不可少的。这个类的主要作用是串联多个图片变换的操作。
import torchvision
data_transform = torchvision.transforms.Compose([
# 随机缩放裁剪 size 224*224
torchvision.transforms.RandomResizedCrop(224),
# 随机裁剪 size 224*224
torchvision.transforms.RandomCrop(224),
# 中心裁剪 size 224*224
torchvision.transforms.CenterCrop(224),
# 将图片的尺寸 Resize 到128*128 不裁剪
torchvision.transforms.Resize((128,128)),
# 转为张量并归一化到（是将数据除以255），且会把H*W*C会变成C *H *W
torchvision.transforms.ToTensor(),
# 数据归一化处理，3个通道中的数据整理理到这一组平均值是从imagenet训练集中抽样算出来的。
# ToTensor（）的只是范围改变了， 并没有改变分布，mean和std处理后可以让数据正态分布
torchvision.transforms.Normalize(mean=),
])
pytorch笔记01-数据增强
数据增强是扩充数据样本规模的一种有效地方法。深度学习是基于大数据的一种方法，我们当前希望数据的规模越大、质量越高越好。模型才能够有着更好的泛化能力，然而实际采集数据的时候，往往很难覆盖掉全部的场景，比如：对于光照条件，在采集图像数据时，我们很难控制光线的比例，因此在训练模型的时候，就需要加入光照变化方面的数据增强。再有一方面就是数据的获取也需要大量的成本，如果能够自动化的生成各种训练数据，就能做到更好的开源节流。
数据增强可以分为两类，一类是离线增强，一类是在线增强。
pytorch中数据增强的常用方法如下：
torchvision中内置的transforms包含了这些些常用的图像变换，这些变换能够用Compose串联组合起来。
原图：
class torchvision.transforms.CenterCrop(size)
原图像尺寸：(658, 411)
中心裁剪后尺寸:(200, 200)
class torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
class torchvision.transforms.Grayscale(num_output_channels=1))
class torchvision.transforms.Pad(padding, fill=0, padding_mode=’constant’)
class torchvision.transforms.RandomCrop(size, padding=0, pad_if_needed=False)
class torchvision.transforms.RandomHorizontalFlip(p=0.5)
class torchvision.transforms.RandomVerticalFlip(p=0.5)
class torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)
Python使用easyocr模块完成图片文字识别
EasyOCR实际上是一个python包，它将pytorch作为后端处理程序。EasyOCR像任何其他OCR（谷歌的tesseract或任何其他OCR）一样从图像中检测文本，但在我使用它的参考资料中，我发现它是从图像中检测文本的最直接的方法，而且高端深度学习库（pytorch）在后端支持它，这使它的准确性更可靠。EasyOCR支持42多种语言用于检测目的。
可以在 easyocr · PyPI 上查看easyocr模块说明信息以及用法。
easyocr.Reader设置语言列表，可以同时通过多种语言，但并非所有语言都可以一起使用，英语与每种语言兼容。将模型加载到内存中需要一些时间，但它只需要运行一次。
比如下面的设置语言，可根据图片中的文字类别来选择。
reader_ch_tra = easyocr.Reader()，指定繁体中文和英语
reader_ch_sim = easyocr.Reader()，指定简体中文和英语
reader_ch_en = easyocr.Reader()，指定英语
1、标牌文字识别
可以指定detail = 0来简单的输出。
可以在命令行中调用easyocr工具来实现命令行解析。
2 、车牌识别
3 、验证码识别
4、长篇文字
更多文章：
force-unicode-font是什么意思？ღ᭄ꦿ这些特殊字是怎么来的
2026年9月27日 23:50
java重载和覆盖的定义（java中方法重载和重写的区别和定义）
2026年9月27日 22:50
变幻金刚魔方教程图解（变幻金刚魔方的最后一步，研究了很长时间就是搞不 出来，能教教我吗）
2026年9月27日 21:00
怎样使用dreamweaver（怎么用dreamweaver制作网页如何用dreamweaver制作网页）
2026年9月27日 20:40
css提交按钮怎么写（html:submit能加css样式吗）
2026年9月27日 19:20
2026年9月27日 17:20
雨崩近年危险事件调查（下雨好长时间了，去雨崩的路况怎么样有刚从雨崩回来的吗）
2026年9月27日 13:20
2026年9月27日 12:40
2026年9月27日 12:00
shell脚本substr（SHELL脚本对LINUX下指定文本文件的满足条件的行的特定位置字符串进行替换）
2026年9月27日 10:50
