PyTorch 1.0 中文文档：torchvision.transforms详解

torchvision.transforms是PyTorch计算机视觉库torchvision中的一个模块，主要用于图像的预处理和增强。该模块包含了一系列可以应用于图像数据变换的类和方法，帮助用户在构建深度学习模型时，对输入图像进行必要的预处理和增强操作。

一、常用变换类

1. torchvision.transforms.Compose

Compose类用于将多个图像变换组合在一起，形成一个变换流水线。用户可以将多个变换对象作为参数传递给Compose类，然后通过一个变换对象就可以依次应用这些变换。

示例：

from torchvision import transforms
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

上述示例中，我们创建了一个包含三个变换的流水线：首先将图像尺寸调整为224x224，然后将PIL图像或NumPy ndarray转换为torch.Tensor，最后对图像进行标准化处理。

1. torchvision.transforms.TenCrop

TenCrop类用于将图像进行十字形裁剪，得到四个角和中心的图像以及它们的翻折版本，总共10个图像块。这对于数据增强和数据集扩展非常有用。

示例：

transform = transforms.TenCrop(size=224)

上述示例中，我们将图像裁剪为10个224x224的图像块。需要注意的是，TenCrop返回的是一个图像元组，因此在训练模型时，需要确保这些图像块能够正确地与标签匹配。

二、常用变换函数

1. torchvision.transforms.functional.resize

functional.resize函数用于调整图像尺寸。该函数接受一个PIL图像或NumPy ndarray作为输入，并返回一个调整尺寸后的图像。

示例：

from torchvision import transforms
resized_image = transforms.functional.resize(image, size=(224, 224))

上述示例中，我们将输入图像image的尺寸调整为224x224。

1. torchvision.transforms.functional.to_tensor

functional.to_tensor函数用于将PIL图像或NumPy ndarray转换为torch.Tensor。该函数会自动将图像数据范围从[0, 255]缩放到[0.0, 1.0]，并且将通道维度放在最前面。

示例：

from torchvision import transforms
tensor_image = transforms.functional.to_tensor(image)

上述示例中，我们将输入图像image转换为torch.Tensor。

1. torchvision.transforms.functional.normalize

functional.normalize函数用于对图像进行标准化处理。该函数接受一个torch.Tensor作为输入，并返回一个标准化后的图像。标准化操作通常用于将图像数据范围缩放到[-1, 1]之间，并减去均值和除以标准差。

示例：

from torchvision import transforms
normalized_image = transforms.functional.normalize(tensor_image, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

上述示例中，我们对输入图像tensor_image进行标准化处理，使用指定的均值和标准差。

总结

torchvision.transforms模块提供了丰富的图像预处理和增强功能，帮助用户更好地构建深度学习模型。通过组合使用不同的变换类和函数，用户可以根据实际需求对图像进行各种预处理操作，从而提高模型的性能和泛化能力。希望本文能够帮助读者更好地理解和应用torchvision.transforms模块。