torchvision.transform

    2. 对Tensor进行变换
    4. 通用变换

    将多个transform组合起来使用。

    transforms： 由transform构成的列表. 例子：

    1.      transforms.CenterCrop(10),
    2.     transforms.ToTensor(),
    3. ])

    对PIL.Image进行变换

    按照规定的尺寸重新调节PIL.Image。

    参数说明：

    1. size (sequence or int) - 期望输出尺寸。如果size是一个像(w, h)的序列，输出大小将按照w,h匹配到。如果大小是int，则图像将匹配到这个数字。例如，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。
    2. interpolation (int, optional) -需要添加值。默认的是PIL.Image.BILINEAR

    将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。

    1. class torchvision.transforms.RandomHorizontalFlip

    随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。

    1. class torchvision.transforms.RandomSizedCrop(size, interpolation=2)

    先将给定的PIL.Image随机切，然后再resize成给定的size大小。

      将给定的PIL.Image的所有边用给定的pad value填充。 padding：要填充多少像素 fill：用什么值填充

      对Tensor进行变换

      给定均值：(R,G,B) 方差：(R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。

      参数说明：

      1. mean (sequence) – 序列R, G, B的均值。
      2. std (sequence) – 序列 R, G, B 的平均标准偏差.

      对Conversion进行变换

      1. class torchvision.transforms.ToTensor

      把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor

      **call(pic)**

      1. 参数: pic (PIL.Image or numpy.ndarray) – 图片转换为张量.
      2. 返回结果: 转换后的图像。
      3. 返回样式: Tensor张量

      将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。

      **call(pic)**

      1. 参数: pic (Tensor or numpy.ndarray) – 图像转换为pil.image。
      2. 返回结果: 图像转换为PIL.Image.

      通用变换

      1. class torchvision.transforms.Lambda(lambd)

      使用lambd作为转换器。