transforms.Compose()函数

torchvision.transforms是pytorch中的图像预处理包。一般用Compose把多个步骤整合到一起：

比如说：

transforms.Compose([

    transforms.CenterCrop(10),

    transforms.ToTensor(),

])

这样就把两个步骤整合到了一起。

接下来介绍transforms中的函数：

Resize	把给定的图片resize到given size
Normalize	用均值和标准差归一化张量图像
ToTensor	convert a PIL image to tensor (H*W*C) in range [0,255] to a torch.Tensor(C*H*W) in the range [0.0,1.0]
CenterCrop	在图片的中间区域进行裁剪
RandomCrop	在一个随机的位置进行裁剪
FiceCrop	把图像裁剪为四个角和一个中心
RandomResizedCrop	将PIL图像裁剪成任意大小和纵横比
ToPILImage	convert a tensor to PIL image
RandomHorizontalFlip	以0.5的概率水平翻转给定的PIL图像
RandomVerticalFlip	以0.5的概率竖直翻转给定的PIL图像
Grayscale	将图像转换为灰度图像
RandomGrayscale	将图像以一定的概率转换为灰度图像
ColorJitter	随机改变图像的亮度对比度和饱和度

备注：Python图像库PIL(Python Image Library)是python的第三方图像处理库，但是由于其强大的功能与众多的使用人数，几乎已经被认为是python官方图像处理库了。

实例：

经常看到

transform.ToTensor(),
transform.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))

那transform.Normalize()是怎么工作的呢？以上面代码为例，

• ToTensor()能够把灰度范围从0-255变换到0-1之间，
• 而后面的transform.Normalize()则把0-1变换到(-1,1).

具体地说，对每个通道而言，Normalize执行以下操作：
image=(image-mean)/std
其中mean和std分别通过(0.5,0.5,0.5)和(0.5,0.5,0.5)进行指定。原来的0-1最小值0则变成(0-0.5)/0.5=-1，而最大值1则变成(1-0.5)/0.5=1.
 

原文链接：https://blog.csdn.net/jzwong/article/details/104272600

原文：pytorch中transforms.Compose()函数_u013925378的博客-CSDN博客_transforms.compose