pytorch torchvision.transforms.*and pytorch torchvision.transforms.Compose()
import torchvision.transforms as transforms
transforms模块提供了一般的图像转换操作类。
class torchvision.transforms.ToTensor
把shape=(H x W x C)的像素值范围为[0, 255]的PIL.Image或者numpy.ndarray转换成shape=(C x H x W)的像素值范围为[0.0, 1.0]的torch.FloatTensor。class torchvision.transforms.Normalize(mean, std)
此转换类作用于torch.*Tensor。给定均值(R, G, B)和标准差(R, G, B)，用公式channel = (channel - mean) / std进行规范化。
对PIL.Image进行变换
class torchvision.transforms.Compose()
将多个transform组合起来使用。
transforms： 由transform构成的列表. 例子：
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
transforms.Resize(256),
transforms.RandomResizedCrop(224, scale=(0.25, 1)),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(), normalize
])
class torchvision.transforms.Scale(size, interpolation=2)
将输入的PIL.Image重新改变大小成给定的size，size是最小边的边长。举个例子，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。
用例:
from torchvision import transforms
from PIL import Image
crop = transforms.Scale(12)
img = Image.open('test.jpg')
print(type(img))
print(img.size)
croped_img=crop(img)
print(type(croped_img))
print(croped_img.size)
结果：
(10, 10)
(12, 12)
class torchvision.transforms.CenterCrop(size)
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。
class torchvision.transforms.RandomCrop(size, padding=0)
切割中心点的位置随机选取。size可以是tuple也可以是Integer。
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。
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。
class torchvision.transforms.Pad(padding, fill=0)
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 例子：
from torchvision import transforms
from PIL import Image
padding_img = transforms.Pad(padding=10, fill=0)
img = Image.open('test.jpg')
print(type(img))
print(img.size)
padded_img=padding(img)
print(type(padded_img))
print(padded_img.size)
(10, 10)
(30, 30) #由于上下左右都要填充10个像素，所以填充后的size是(30,30)
对Tensor进行变换
class torchvision.transforms.Normalize(mean, std)
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。
Conversion Transforms
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
data = np.random.randint(0, 255, size=300)
img = data.reshape(10,10,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img) # 转换成tensor
print(img_tensor)
class torchvision.transforms.ToPILImage
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。
通用变换
class torchvision.transforms.Lambda(lambd)
使用lambd作为转换器。