小编Anu*_*eep的帖子

我正在使用预先训练的 Alex 模型。我正在一些随机图像数据集上运行这个模型。我想在训练之前将 RGB 图像转换为 YCbCr 图像。

我想知道是否可以自己添加一个功能transform.compose，例如：

transform = transforms.Compose([
  ycbcr(), #something like this
  transforms.Resize((224, 224)),
  transforms.ToTensor(),
  transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

在哪里，

def ycbcr(img):
   img = cv2.imread(img)  
   img = cv2.cvtColor(img, cv2.COLOR_BGR2ycbcr)
   t = torch.from_numpy(img)
 return t

training_dataset = datasets.ImageFolder(link_train ,transform = transform_train)

training_loader = torch.utils.data.DataLoader(training_dataset, batch_size=96, shuffle=True)

这个过程正确吗？请帮助我如何继续？

我有这个清单

x = [2,3,4,2,2]

我想创建一个相同大小的新列表，其中每个元素将代表相应数字在当前元素之前出现在原始列表中的次数的计数。例如，前 3 个元素是 2,3,4 所以，我希望新列表中的前 3 个值是 0，并且x[3]由于 2 是重复的，我希望该值是 1，x[4]它又是 2 我想要值为 2（到目前为止，在列表中遇到了数字 2 两次）。

我预期的答案是新列表 = [0,0,0,1,2]

同样对于列表，[2,3,4,2,2,3,3]我希望新列表是[0,0,0,1,2,1,2]