一、概念

transforms就像是一个工具箱，里面装有很多类 （比如：totensor、resize等，可以在结构里查看到一个列表），类就是工具。

但是类不能直接使用，要创建其实例对象之后才能调用（tool=transforms.ToTensor()）

而   实例对象名（参数） 这种形式可以自动调用call方法，进行工具的使用。

补充： call方法可以使对象具有当作函数的功能，当你调用对象实例并且参数满足条件时，就会自动调用call方法（说白了就是先实例化，满足条件后自动调用call方法）

注意到：init方法是 类名（参数），而call方法是 实例对象名（参数），都是能自动调用的

二、为什么需要Transforms?

tensor类型包装了一些训练神经网络所必须用到的参数（比如grad梯度）

三、如何使用Transforms?（以其中的ToTensor类为例）

ToTensor：把PIL.Image或numpy.array类型转成Tensor类型

实例化   +   实例名（参数：要转换的对象），即可调用

from PIL import Image
from torchvision import transforms

img_path=r"C:\Users\zzr\Desktop\Learning\dataset\hymenoptera_data\train\bees\16838648_415acd9e3f.jpg"
img=Image.open(img_path) #PIL.Image类型

tensor_trans=transforms.ToTensor() #生成ToTensor类的实例
img_tensor=tensor_trans(img) #把PIL.Image类型转换成torch.Tensor类型

print(img_tensor)

***区分：

使用Image.open（'path’）生成的是 PIL.Image类型；

from PIL import Image

img_path="dataset/hymenoptera_data/train/bees/359928878_b3b418c728.jpg"
img_PIL=Image.open(img_path) #生成图像的PIL对象

使用cv2.imread（'path'）生成的是numpy.array类型

import cv2

img_path = r"C:\Users\zzr\Desktop\Learning\dataset\hymenoptera_data\train\bees\16838648_415acd9e3f.jpg"
img_array=cv2.imread(img_path) #numpy.array类型

（add_image要使用numpy.array或torch.Tensor类型） 

numpy.array（一个方法）：PIL.Image——>numpy.array

img_array=np.array(img_PIL) #将PIL.Image类型转为numpy.array类型

ToTensor（一个类，仍需实例化）：PIL.Image或numpy.array——>Tensor

tensor_trans=transforms.ToTensor() #生成ToTensor类的实例
img_tensor=tensor_trans(img_PIL) #把PIL.Image类型转换成torch.Tensor类型