PyTorch学习笔记（17）--torchvision.transforms用法介绍

PyTorch学习笔记（17）–torchvision.transforms用法介绍

    本博文是PyTorch的学习笔记，第17次内容记录，主要记录了torchvision.transforms的使用方法。

1.问题来源

    在读ResNet的应用代码时，遇到下面这一小段代码，这段代码出现在读取图片信息之前，这段代码的具体功能是什么呢？对于初学者来说很有必要弄清楚这段代码的具体含义

    data_transform = transforms.Compose(
        [transforms.Resize(256),
         transforms.CenterCrop(224),
         transforms.ToTensor(),
         transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])

2.torchvision.transforms具体用法

    PyTorch框架中有一个非常重要且好用的包：torchvision，该包主要由3个子包组成，分别是：torchvision.datasets、torchvision.models、torchvision.transforms。而上面这段代码就用到了torchvision.transforms这个包。

    这里用到的 torchvision 工具库是 pytorch 框架下常用的图像处理包，可以用来生成图片和视频数据集（torchvision.datasets），做一些图像预处理(torchvision.transforms)，导入预训练模型(torchvision.models)，以及生成图和保存图像（torchvision.utils）。
    其中，transforms函数对图像做预处理可以是：归一化(normalize)，尺寸剪裁(resize)，翻转(flip) 等。
    上面的这些步骤实际操作起来往往是一系列的，此时可以用compose将这些图像预处理操作连起来。
    如上面的代码，这里做的操作是：
    transforms.ToTensor() ，将一个PIL图像转换为tensor。即， (