【pytorch函数笔记】transforms的使用

接上篇：ToTensor()将图像转为tensor格式  

用的不是很多，了解基础的就行了。

transforms_train = torchvision.transforms.Compose([
    torchvision.transforms.ToPILImage(),
    # imagenet mean and std
    torchvision.transforms.RandomHorizontalFlip(p=0.5),  # 翻转概率的p=0.5
    torchvision.transforms.RandomAffine(degrees=10, shear=16),  # 对图像进行随机仿射变换，包括旋转、平移、缩放和剪切等。
    torchvision.transforms.ColorJitter(brightness=0.1, contrast=0.1, saturation=0.1, hue=0.1),
    # 对图像进行颜色抖动，包括亮度、对比度、饱和度和色调等方面的随机变化。
    # torchvision.transforms.RandomGrayscale(p=0.1),
    # not in the original paper
    torchvision.transforms.Resize((256, 256)),
    torchvision.transforms.RandomCrop((227, 227)),  # VGG16
    torchvision.transforms.ToTensor(),
    # torchvision.transforms.Normalize([0.4816, 0.4199, 0.3884], [0.2568, 0.2408, 0.2323]),
    torchvision.transforms.Normalize([0.485, 0.456, 0.406],
                                     [0.229, 0.224, 0.225])
    # ：对张量进行标准化处理，其中 mean 和 std 是预先计算好的均值和标准差（此处使用的是 ImageNet 数据集的均值和标准差）
])