pyorch学习（三）torchvision.transforms常用的数据变换

from torchvision.transforms as tf
transforms模块提供了一般的图像转换操作类
基本上PyTorch中的resize、crop、normalize等常见的数据预处理及数据增强（data augmentation）操作都可以通过该接口实现
torchvision.transformas主要涉及两个文件：transformas.py和functional.py，在transformas.py中定义了各种data augmentation的类，在每个类中通过调用functional.py中对应的函数完成data augmentation操作。

（1）tfs.Resize():用于对载入的图片数据按我们需求的大小进行缩放。传递给这个类的参数可以使一个整形数据，也可以是一个类似于（h,w）的序列，其中，h代表高度，w代表宽度，但是如果使用的是一个整形数据，那么代表缩放的宽度和高度都是这个整形数据的值

（2）tfs.Scale：用于对载入的图片数据按我们需求进行缩放，和tfs.Resize()用法类似
（3）tfs.CenterCrop：用于对载入图片以图片中心为参考点，按照需求进行裁剪
以输入图像img的中心作为中心点进行指定size的crop操作，在数据增强中一版不会去使用该方法。因为当size固定时，对于同一张img，N次CenterCrop的结果是一样的。
（4）tfs.RamdomCrop：用于对载入的图片按需求进行随机裁剪
RandomCrop()
RandomCrop相比前面的CenterCrop要更加常用一些，两者的区别在于RandomCrop在crop时的中心点坐标是随机的，不再是输入图像的中心坐标，因此基本上每次crop生成的图像都是不同的。
（5）tfs.RandomHorizontalFlip：对载入图片按随机概率进行水平翻转，默认概率值为0.5.
（6）tfs.RandomVerticalFlip：对载入图片按随机概率进行垂直翻转，默认概率值为0.5
（7）tfs.ToTensor：对载入图片进行类型转换，将PIL图片数据转换为Tensor数据类型数据
ToTensor()
Convert a PIL Image or numpy.ndarray to tensor.
在做*数据归一化之前必须要把PIL Image转成Tensor，其它resize或crop操作不需要。

（8）tfs.ToPILImage：将Tensor变量数据转换为PIL图片数据，方便显示。
ToPILImage()
Convert a tensor or an ndarray to PIL Image.
ToTensor()的反向操作。
(9)**Compose()**用来管理各个transform，其中__call__方法就是对输入img遍历所有的transform操作。
ex：transform=tfs.Compose([transform.ToTensor(),transforms.Normalize
(mean=[0.5,0.5,0.5],std=[0.5,0.5,0.5])
x^normal=(x-mean)/st
也就是说（0,1）-0.5/0.5=（-1，1），即将数据归一化为[-1,1]的张量。
(10)Normalize()
数据归一化处理，调用前数据需处理成Tensor。