踩坑 SVHN数据集transforms不起作用

事情是这样的，SVHN数据集是一个三通道的RGB数据集，想把它转为单通道的灰度图，你在网上搜索大家都是下面这样使用的：

    train_dataset = SVHN('./data', split='train', download=True,
            transform=transforms.Compose([
                transforms.Resize(28),
                transforms.Grayscale(num_output_channels=1),
                transforms.ToTensor(),
                transforms.Normalize((0.5,), (0.5,))
            ]))

但是当你输出train_dataset.data.shape的时候，结果是（3,32,32），它还是三通道的数据，而且尺寸还是32*32，我明明给它做了transform数据转换，怎么就死活不对呢！！！但是在封装为dataloader后就对了，可是封装之后我就不好对数据进行操作了啊，我要在封装之前进行处理，所以到底是为什么啊！！！

搞了好几天，终于找到毛病出在哪里了：torchvision.transforms图片处理只能处理PIL类型的数据，所以图片要么用PIL.Image读取，要么将ndarray图片数据转成PIL类型

PIL和numpy相互转换方式如下：

from PIL import Image

#PIL image转成numpy
np_img = np.asarray(PIL_img)  #参数时PIL类型的图片
或 
np_img = np.array(PIL_img)

#将array准成PIL image
Image.fromarray(np.uint8(np_img))

但是直接用Image.fromarray(np.uint8(train_dataset.data))转换会报错：TypeError: Cannot handle this data type: (1, 1, 28, 3), |u1

因为Image.fromarray只能对单个图片进行操作，好的，我变成单个图片：Image.fromarray(np.uint8(train_dataset.data[0]))，又TM报错：TypeError: Cannot handle this data type: (1, 1, 28), |u1，又是为啥啊，我哭了，在网上搜了一圈也没找到答案，然后我从可以转换成功的代码入手，终于发现问题了，太难了也
PIL需要的格式是（W,H,C），而SVHN数据集的格式是（C,W,H）
所以又要进行转换了，把（C,W,H）变为（W,H,C）：

img.transpose(1,2,0)

最后，终于从np array变成了PIL格式，

    transform=transforms.Compose([
        transforms.Resize(28),
        transforms.Grayscale(num_output_channels=1),
        transforms.ToTensor(),
        transforms.Normalize((0.5,), (0.5,))
    ])
    
        for i in range(len(train_dataset.labels)):
	        tmp = train_dataset.data[i] # 3,32,32 (C,W,H)
	        trans_img = tmp.transpose(1,2,0)  # 32,32,3 (W,H,C)
	        PIL_img = Image.fromarray(trans_img.astype('uint8'))
	        tf_img = transform(PIL_img)

终于搞定了！