參考鏈接：
torchvision介紹
torchvision是pytorch的一個(gè)圖形庫(kù)，它服務(wù)于PyTorch深度學(xué)習(xí)框架的，主要用來(lái)構(gòu)建計(jì)算機(jī)視覺(jué)模型。torchvision.transforms主要是用于常見(jiàn)的一些圖形變換。以下是torchvision的構(gòu)成：
torchvision.datasets: 一些加載數(shù)據(jù)的函數(shù)及常用的數(shù)據(jù)集接口；
torchvision.models: 包含常用的模型結(jié)構(gòu)（含預(yù)訓(xùn)練模型），例如AlexNet、VGG、ResNet等；
torchvision.transforms: 常用的圖片變換，例如裁剪、旋轉(zhuǎn)等；
torchvision.utils: 其他的一些有用的方法。
transforms.Compose()詳解
本文的主題是其中的torchvision.transforms.Compose()類。這個(gè)類的主要作用是串聯(lián)多個(gè)圖片變換的操作。這個(gè)類的構(gòu)造很簡(jiǎn)單：
class torchvision.transforms.Compose(transforms):
# Composes several transforms together.
# Parameters: transforms (list of Transform objects) – list of transforms to compose.
Example # 可以看出Compose里面的參數(shù)實(shí)際上就是個(gè)列表，而這個(gè)列表里面的元素就是你想要執(zhí)行的transform操作。
>>> transforms.Compose([
>>> transforms.CenterCrop(10),
>>> transforms.ToTensor(),])
事實(shí)上，Compose()類會(huì)將transforms列表里面的transform操作進(jìn)行遍歷。實(shí)現(xiàn)的代碼很簡(jiǎn)單：
## 這里對(duì)源碼進(jìn)行了部分截取。
def __call__(self, img):
for t in self.transforms:
img = t(img)
return img
transforms中的常見(jiàn)操作
class torchvision.transforms.CenterCrop(size)
將給定的PIL.Image進(jìn)行中心切割，得到給定的size，size可以是tuple，(target_height, target_width)。size也可以是一個(gè)Integer，在這種情況下，切出來(lái)的圖片的形狀是正方形。
class torchvision.transforms.RandomCrop(size, padding=0)
切割中心點(diǎn)的位置隨機(jī)選取。size可以是tuple也可以是Integer。
class torchvision.transforms.RandomHorizontalFlip
隨機(jī)水平翻轉(zhuǎn)給定的PIL.Image,概率為0.5。即：一半的概率翻轉(zhuǎn)，一半的概率不翻轉(zhuǎn)。
class torchvision.transforms.RandomSizedCrop(size, interpolation=2)
先將給定的PIL.Image隨機(jī)切，然后再resize成給定的size大小。
class torchvision.transforms.Pad(padding, fill=0)
將給定的PIL.Image的所有邊用給定的pad value填充。 padding：要填充多少像素 fill：用什么值填充 例子：
from torchvision import transforms
from PIL import Image
padding_img = transforms.Pad(padding=10, fill=0)
img = Image.open('test.jpg')
print(type(img))
print(img.size)
padded_img=padding(img)
print(type(padded_img))
print(padded_img.size)
<class 'PIL.PngImagePlugin.PngImageFile'>
(10, 10)
<class 'PIL.Image.Image'>
(30, 30) #由于上下左右都要填充10個(gè)像素，所以填充后的size是(30,30)
