数据处理时，np.ndarray和torch.tensor的纠缠

1. Pytorch

1.1 数据类型

Pytorch的数据预处理torchvision.transforms里面的函数，例如RandomSizedCrop()，全部要求的输入类型为PIL Image，而我们的数据用cv2.imread()读出来的格式时np.ndarray(注意：如果是图片的话，size=(H, W , C), GBR)，所以，需要通过Image.fromarray()，将其转化为PIL Image。(如果是BGR的话，要做GBR2RGB的转换)

数据预处理后，直接用torchvision.transforms.ToTensor()，把PIL Image转为[0.0, 1.0]的tensor便可直接输入网络。如果还要对数据做normalization的话，需在ToTensor之后。

如果单纯做array和tensor之间的转换，不做任何其他处理的话，则用torch.from_numpy()和x.numpy()。一般tensor2array时，要执行x.detach().numpy()，因为tensor含梯度信息。

cv2.imshow()和plt.imshow()的区别，cv2的输入应该是大小为(H, W, C)的BGR图片(np.ndarray)，而plt的输入是大小为(H, W, C)的RGB图片(np.ndarray)，一般用plt.imshow，因为cv2.imshow好慢好慢。。。。

未完待续。。。