pytorch学习笔记——torchvision.transforms使用

torchvision.transforms.ToTensor()

函数功能：
1. 把shape = (H x W x C) 数据转化为shape = (C x H x W) 形式;
2. 把像素范围为 [0，255] 数据转化为 [0.0，1.0] 范围数据;
3. 把类型为PIL.Image或numpy.ndarray数据转化为 torch.FloatTensor 类型数据。

torchvision.transforms.Noumalize(mean, std)

函数功能：给定各通道的均值和标准差，用公式：data = (data - mean) / std 对各通道数据进行归一化，让数据的均值为0，方差为1。

torchvision.transforms.Resize(size)

函数功能：按照比例把图像最小的一个边长放缩到size大小，另一边按照相同比例放缩。

torchvision.transforms.Compose(transforms)

函数功能：将多个transform组合起来使用。
示例：

import torchvision.transforms as transforms

    transform = transforms.Compose(
        [transforms.Resize(size),
         transforms.ToTensor(),
         transforms.Normalize(mean=[0.409, 0.421, 0.436], std=[0.219, 0.219, 0.220])
         ])