fastai v0.7.0中tfms_from_model()的作用是什么？如何手动实现？

1. 函数输出内容 #

tfms_from_model() 会返回两个可调用的变换流水线对象：

• train_tfms：训练集专用变换，包含数据增强逻辑
• val_tfms：验证/测试集专用变换，无随机增强逻辑

2. val_tfms的具体执行操作 #

不是仅做归一化处理，完整执行流程如下：

1. 尺寸调整：将输入图像等比例缩放后，做中心裁剪得到 sz × sz 尺寸的正方形图像
2. 维度转换：将输入的HWC格式（numpy数组默认的通道在后格式）调整为PyTorch要求的CHW格式（通道在前）
3. 模型匹配归一化：针对传入的骨干模型（此处为VGG16）执行标准化，VGG16对应的归一化规则为：输入已缩放到0~1区间的图像，逐通道减去ImageNet均值 [0.485, 0.456, 0.406]，再除以标准差 [0.229, 0.224, 0.225]

你给出的示例中，变换后需要执行transpose(1,2,0)把CHW转回HWC才能正常显示，也对应了维度转换的操作逻辑。

3. sz设置为56的输出结果 #

变换的整体逻辑不会变化，唯一区别是尺寸调整环节的目标尺寸改为56×56：

• val_tfms处理后输出的数组/张量尺寸为 3×56×56
• train_tfms包含的随机裁剪、缩放等增强逻辑的目标尺寸也会同步改为56×56
• 归一化、维度调整的规则保持不变

4. 和自定义normalize逻辑的对比 #

两者不等价，你的自定义逻辑缺少两个必要步骤：

• 缺少sz对应的尺寸调整、中心裁剪操作
• 缺少HWC到CHW的维度重排操作
  如果你补充了上述两个步骤，且normalize内的均值、标准差和VGG16要求的参数完全一致，那么补全后的逻辑和val_tfms的输出是等价的。

内容的提问来源于stack exchange，提问作者Madara