img 应该是 PIL 图像。得到 <class 'torch.Tensor'>答案

【问题标题】：img should be PIL Image. Got <class 'torch.Tensor'>img 应该是 PIL 图像。得到 <class 'torch.Tensor'>
【发布时间】：2020-06-12 12:19:10
【问题描述】：

我正在尝试遍历加载程序以检查它是否正常工作，但是给出了以下错误：

TypeError: img should be PIL Image. Got <class 'torch.Tensor'>

我尝试同时添加transforms.ToTensor() 和transforms.ToPILImage()，但它给了我一个错误，要求相反。即，使用ToPILImage()，它将要求张量，反之亦然。

# Imports here
%matplotlib inline
import matplotlib.pyplot as plt
from torch import nn, optim
import torch.nn.functional as F
import torch
from torchvision import transforms, datasets, models
import seaborn as sns
import pandas as pd
import numpy as np

data_dir = 'flowers'
train_dir = data_dir + '/train'
valid_dir = data_dir + '/valid'
test_dir = data_dir + '/test'

#Creating transform for training set
train_transforms = transforms.Compose(
[transforms.Resize(255), 
transforms.CenterCrop(224), 
transforms.ToTensor(), 
transforms.RandomHorizontalFlip(), 
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])

#Creating transform for test set
test_transforms = transforms.Compose(
[transforms.Resize(255),
transforms.CenterCrop(224), 
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406],[0.229, 0.224, 0.225])])

#transforming for all data
train_data = datasets.ImageFolder(train_dir, transform=train_transforms)
test_data = datasets.ImageFolder(test_dir, transform = test_transforms)
valid_data = datasets.ImageFolder(valid_dir, transform = test_transforms)

#Creating data loaders for test and training sets
trainloader = torch.utils.data.DataLoader(train_data, batch_size = 32, 
shuffle = True)
testloader = torch.utils.data.DataLoader(test_data, batch_size=32)
images, labels = next(iter(trainloader))

如果我运行plt.imshow(images[0])，它应该可以让我简单地看到图像，如果它工作正常的话。

【问题讨论】：

标签： python pytorch

【解决方案1】：

transforms.RandomHorizontalFlip() 适用于 PIL.Images，而不是 torch.Tensor。在上面的代码中，您在transforms.RandomHorizontalFlip() 之前应用transforms.ToTensor()，这会产生张量。

但是，根据官方 pytorch 文档here，

transforms.RandomHorizontalFlip() 水平翻转给定的 PIL 以给定概率随机生成图像。

所以，只需更改上述代码中的转换顺序，如下所示：

train_transforms = transforms.Compose([transforms.Resize(255), 
                                       transforms.CenterCrop(224),  
                                       transforms.RandomHorizontalFlip(),
                                       transforms.ToTensor(), 
                                       transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])

【讨论】：

虽然你当时可能是对的，但对于任何未来的读者来说，这已经改变了，现在也可以提供张量： > 以给定的概率水平翻转给定的图像。图像可以是 PIL Image 或 Torch Tensor"

【解决方案2】：

只要加上transforms.ToPILImage()转换成pil图片就可以了，例如：

transform = transforms.Compose([
    transforms.ToPILImage(),
    transforms.Resize(255),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.RandomHorizontalFlip(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

【讨论】：