超简单的方式来彻底讲清楚 ToTensor() 是干嘛的

🧠 你需要知道的核心点

🟨 原始图片（PIL Image）长这样：

类型：PIL.Image
数据：每个像素是 (R, G, B)，值范围是 0~255（整数）
形状：宽 x 高（W x H）

这是你平时在电脑上看的图片。

---

🟩 模型要求的格式：

类型：torch.Tensor
数据：每个像素通道是 float 类型，值范围是 0.0 ~ 1.0
形状：(通道数 C, 高 H, 宽 W)，比如 (3, 150, 150)

这是深度学习模型能“吃”的数据格式。

---

✅ ToTensor() 的作用就是：

👉 把图像从 PIL 格式 变成 Tensor 格式

转换前 (PIL)	转换后 (Tensor)
数据是整数（0~255）	数据是浮点数（0.0~1.0）
形状是 (H, W, C)	形状是 (C, H, W)
RGB 图片（3通道）	Tensor(3通道)
不能直接送入模型	可以直接送入模型

---

👇 看例子就明白了

假设我们有一张 2x2 的红色图片（简单到极致）：

from PIL import Image
import numpy as np
from torchvision import transforms
import torch

# 创建一张红色图像，RGB(255, 0, 0)
red_image = Image.fromarray(np.array([
    [[255, 0, 0], [255, 0, 0]],
    [[255, 0, 0], [255, 0, 0]]
], dtype=np.uint8))

print("🔍 原始图像数据：")
print(np.array(red_image))

输出结果：

[[[255   0   0]  [255   0   0]]
 [[255   0   0]  [255   0   0]]]

---

然后我们用 ToTensor() 转一下：

tensor_image = transforms.ToTensor()(red_image)
print("🔁 ToTensor 后：")
print(tensor_image)

输出结果：

tensor([[[1.0000, 1.0000],
         [1.0000, 1.0000]],     <-- 红色通道

        [[0.0000, 0.0000],
         [0.0000, 0.0000]],     <-- 绿色通道

        [[0.0000, 0.0000],
         [0.0000, 0.0000]]])    <-- 蓝色通道

---

💡所以你只要记住：

ToTensor() 会：

• 把像素值从 0~255 ➜ 变成 0~1 的小数（除以 255）
• 把形状从 (H, W, C) ➜ 变成 (C, H, W)
• 把图片从 PIL 类型 ➜ 变成 Tensor 类型（模型可以理解）

---

❓那如果我不加 ToTensor() 会怎样？

✅ 不加的话，图片还是 PIL 格式，不能直接传给模型，会报错：

TypeError: pic should be Tensor or ndarray. Got <class 'PIL.Image.Image'>