变换是常见的图像变换，其可以适应连接在一起的$Compose$,
此外，还有$torchvision.transforms.functional$模块，功能转换可以对转换进行细粒度控制，如果您必须构建更复杂的转换管道（例如，在分段任务情况下），这将非常有用类。

torchvision.transforms.Compose(transforms)

• transforms： （Transformes对象列表）要组成的变换列表。

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(), ])

常见的图像变换

官方文档只将该方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类，方便大家索引。

• 裁剪（Crop):—中心裁剪：

  • transforms.CenterCrop：中心裁剪
  • transforms.RandomCrop：随机裁剪
  • transforms.RandomResizedCrop：随机长宽比裁剪
  • transforms.FiveCrop：上下左右中心裁剪
  • transforms.TenCrop：上下左右中心裁剪后翻转

• 翻转和旋转——

  • transforms.RandomHorizontalFlip(p=0.5)：依概率$p$水平翻转
  • transforms.RandomVerticalFlip(p=0.5)：依概率p垂直翻转
  • transforms.RandomRotation：随机旋转。

• 图像变换（resize)

  • transforms.Resize : 图像变换（resize)
  • transforms.Normalize：标准化
  • transforms.ToTensor: 转为tensor，并归一化为[0-1]
  • transforms.Pad ：。填充
  • transforms.ColorJitter：修改亮度、对比度和饱和度
  • transforms.Grayscale：转灰度图
  • transforms.LinearTransformation()：线性变换
  • transforms.RandomAffine：放射变换
  • transforms.RandomGrayscale：依概率$p$转为灰度图
  • transforms.ToPILImage：将数据转换为PILImage
  • transforms.Lambda：Apply a user-defined lambda as a transform

• 对transforms操作，使数据增强更灵活，transforms.RandomChoice(transforms)，从给定一系列的transform中选一个进行操作，transforms.RandomApply(transforms, p=0.5)，
  给一个transform加上概率，依概率进行操作：transforms.RandomOrder。将transform中的操作进行随机打乱。

裁剪——Crop

随机裁剪

transforms.RandomCrop

torchvision.transforms.RandomCrop（size，padding = None，pad_if_needed = False，fill = 0，padding_mode ='constant' ）

中心裁剪transforms.CenterCrop

torchvision.transforms.CenterCrop(size) 

依据给定的$size$从中心裁剪参数，size-(sequence or int).
若为$sequence$,则为$(h,w)$,若为$int$,则为(size,size).

随机长宽比裁剪：transforms.RandomResizedCrop

torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

将给定的PIL图像裁剪为随机大小和宽高比。
将原始图像大小变成随机大小（默认值：是原始图像的0.08到1.0倍）和随机宽高比（默认值：3/4到4/3倍）。这种方法最终调整到适当的大小。这通常用于训练Inception网络。

• size:每条边预期输出大小。
• scale：裁剪的原始尺寸大小范围。
• ratio:裁剪的原始宽高比的宽高比范围。
• interpolation - 默认值：PIL.Image.BILINEAR

上下左右中心裁剪：transforms.FiveCrop

torchvision.transforms.FiveCrop(size)

将给定的PIL图像，裁剪为四个角和中央裁剪。
此转换返回图像元组，并且数据集返回的输入和目标数量可能不匹配。

• 对图片进行上下左右和中心裁剪，获得5张图片，返回一个$4D-tensor$参数，size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)。

上下左右中心裁剪后翻转

• transforms.TenCrop

torchvision.transforms.TenCrop(size, vertical_flip=False) 

将给定的PIL图像裁剪为四个角，中央裁剪加上这些的翻转版本（默认使用水平翻转）。
此转换返回图像元组，并且数据集返回的输入和目标数量可能不匹配。

• size（sequence 或int） -作物的所需输出大小。如果size是int而不是像（h，w）这样的序列，则进行正方形裁剪（大小，大小）。
• vertical_flip（bool） - 使用垂直翻转而不是水平翻转

转化为tensor transforms.ToTensor

torchvision.transforms.ToTensor

功能：将PILImage或者$ndarray$,转换为$tensor$，
并且归一化至$[0-1]$,
注意事项：归一化至[0-1]是直接除以255，若自己的ndarray数据尺度有变化，则需要自行修改。