前言

在上篇中PyTorch入门与实战——数据处理与数据加载02介绍了数据下载和自定义数据集，迈出了训练开始的第一步，初步认识了 Torchvision， 学习了如何利用 Torchvision 读取数据。不过仅仅将数据集中的图片读取出来是不够的， 在训练的过程中，神经网络模型接收的数据类型是 Tensor，而不是 PIL 对象，因此我们还需要对数据进行预处理操作，比如图像格式的转换。例如裁切边框、调整图像比例和大小、标准化等，以便模型能够更好地学习到数据的特征。这些操作都可以使用torchvision.transforms工具完成。

图像处理工具之 torchvision.transforms

Torchvision 库中的torchvision.transforms包中提供了常用的图像操作，包括对 Tensor 及 PIL Image 对象的操作，例如随机切割、旋转、数据类型转换等等。

按照torchvision.transforms 的功能，大致分为以下几类：数据类型转换、对 PIL.Image 和 Tensor 进行变化和变换的组合。下面我们依次来学习这些类别中的操作。

数据类型转换

如何将 PIL.Image 或 Numpy.ndarray 格式的数据转化为 Tensor 格式呢？这需要用 到transforms.ToTensor() 类。

from PIL import Image
from torchvision import transforms
img = Image.open('BJ.jpg')
display(img)
print(type(img))
'''
输出:
<class 'PIL.JpegImagePlugin.JpegImageFile'>
'''
# PIL.Image转换为Tensor
img1 = transforms.ToTensor()(img)
print(type(img1))
'''
输出:
<class 'torch.Tensor'>
'''

首先用读取图片，查看一下图片的类型为 PIL.JpegImagePlugin.JpegImageFile，这里需 要注意，PIL.JpegImagePlugin.JpegImageFile 类是 PIL.Image.Image 类的子类。然 后，用transforms.ToTensor() 将 PIL.Image 转换为 Tensor。

图片的一系列变换

数据并不总是以训练机器学习算法所需的最终处理形式出现。我们使用转换来对数据进行一些操作并使其适合训练。
所有 TorchVision 数据集都有两个参数 - 用于修改特征的转换和用于修改标签的 target_transform - 接受包含转换逻辑的可调用对象。 torchvision.transforms 模块提供了几个开箱即用的常用转换。
FashionMNIST 特征是 PIL 图像格式，标签是整数。对于训练，我们需要将特征作为归一化张量，并将标签作为 one-hot 编码张量。为了进行这些转换，我们使用 ToTensor 和 Lambda。

Resize

将输入的 PIL Image 或 Tensor 尺寸调整为给定的尺寸，具体如下：

from PIL import Image
from torchvision import transforms
# 定义一个Resize操作
resize_img_oper = transforms.Resize((200,200), interpolation=2)
# 原图
orig_img = Image.open('BJ.jpg')
display(orig_img)
# Resize操作后的图
img = resize_img_oper(orig_img)
display(img)

首先定义一个 Resize 操作，设置好变换后的尺寸为 (200, 200)，然后对图片进行 Resize 变换。interpolation：插值算法，int 类型，默认为 2，表示 PIL.Image.BILINEAR。

剪裁

torchvision.transforms提供了多种剪裁方法，例如中心剪裁、随机剪裁等。我们来看看：

中心剪裁，顾名思义，在中心裁剪指定的 PIL Image 或 Tensor，如下

torchvision.transforms.CenterCrop(size)

其中，size 表示期望输出的剪裁尺寸。如果 size 是一个像 (h, w) 这样的元组，则剪裁后的 图像尺寸将与之匹配。如果 size 是 int 类型的整数，剪裁出来的图像是 (size, size) 的正方形。

随机剪裁，就是在一个随机位置剪裁指定的 PIL Image 或 Tensor，定义如下：

torchvision.transforms.RandomCrop(size, padding=None)

其中，size 代表期望输出的剪裁尺寸，用法同上。而 padding 表示图像的每个边框上的可 选填充。默认值是 None，即没有填充。通常来说，不会用 padding 这个参数。

from PIL import Image
from torchvision import transforms
# 定义剪裁操作
center_crop_oper = transforms.CenterCrop((60,70))
random_crop_oper = transforms.RandomCrop((80,80))
five_crop_oper = transforms.FiveCrop((60,70))
# 原图
orig_img = Image.open('BJ.jpg')
display(orig_img)
# 中心剪裁
img1 = center_crop_oper(orig_img)
display(img1)
# 随机剪裁
img2 = random_crop_oper(orig_img)
display(img2)