torchversion.transforms的使用

1.首先看源代码：

点transform进入的内容是：

 在ctrl再选中圈出来的.transforms就可以了，进入transform.py文件，其实torchversion.transforms包 的实现就是在这个transform.py文件中

2.介绍Compose类：

 这个类就是将多个transforms结合到一起，就像他举的例子一样，将ransforms.CenterCrop(10)和transforms.Totensor()两个transforms结合到一起，ransforms.CenterCrop(10)的输出就是transforms.Totensor()的输入。

 

3.ToTensor 类：

 将一个 PIL.Image类型或者numpy.array类型的数据转换成为tensor类型

4. transforms 常用的类 :

5. 这里还有一些关于：

transforms中Normalize类：（11：29处）：常见的Transforms（一）_哔哩哔哩_bilibili

transforms中Risize类：（0：0处）常见的Transforms（二）_哔哩哔哩_bilibili

RandomCrop类：（10：36处）常见的Transforms（二）_哔哩哔哩_bilibili

6. transform的用法：

（1）背景知识：什么是tensor数据类型：

为什么我们需要tensor数据类型：如下图所示：第一张图显示的是PIL.Image格式下的图的描述，第二章图显示的是tensor格式下的图的描述。我们可以明显发现 tensor数据类型包含了一些神经网络训练时需要的内容，如梯度grad等等

PIL.Image：

 tensor格式：

 

（2）背景知识__call__()函数 是什么？

以下面这段代码为例可以解释一下：

简言之就是，如果有实现__call__()函数，那么就可以直接用实例传参数调用

（3）如何使用transform :

首先通过调用transform中的类来实例化一个实例，作为当下要使用的工具

（当然个各类实例化时需要的参数或者注意事项各不相同，需要自己查阅一下官方的文档）

然后利用这个实例化的工具对要处理的内容进行处理

from torchvision import transforms
from PIL import Image
 
img_path = "2222.jpg"       #图片的相对路径
img = Image.open(img_path)
print((img))
 
tensor_trans = transforms.ToTensor()   #调用transform中的ToTensor类，来实例化出一个实例tensor_trans，作为当下将PIL.Image转换为tensor类型数据所要使用的工具
 
tensor_img = tensor_trans(img)
print(tensor_img)