python torchvision.transforms

`torchvision.transforms` 是 PyTorch 提供的一个图像转换工具包，用于对图像进行预处理和增强操作。它提供了一系列常用的转换函数，可以方便地在数据加载时对图像进行处理。

下面是一些常用的 `torchvision.transforms` 转换函数：

- `ToTensor()`：将 PIL 图像或 `numpy.ndarray` 转换为张量（Tensor），并将像素值归一化到 [0, 1] 的范围。

- `Normalize(mean, std)`：对张量进行标准化处理，使用给定的均值和标准差进行归一化。参数 `mean` 和 `std` 可以是单个值或包含多个通道的列表。

- `Resize(size)`：调整图像的大小。可以传递一个整数作为参数，表示将图像的短边调整为指定大小，并保持原始宽高比。也可以传递一个元组，表示调整图像的大小为指定的宽度和高度。

- `RandomCrop(size)`：随机裁剪图像为指定大小。可以传递一个整数或元组作为参数，表示裁剪后的大小。

- `RandomHorizontalFlip(p=0.5)`：以一定的概率对图像进行水平翻转。默认概率为 0.5。

- `RandomVerticalFlip(p=0.5)`：以一定的概率对图像进行垂直翻转。默认概率为 0.5。

- `RandomRotation(degrees)`：随机旋转图像一定的角度。可以传递一个整数或一个表示角度范围的元组。

- `RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.333))`：随机裁剪并调整图像大小。

- `ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)`：随机调整图像的亮度、对比度、饱和度和色调。

除了上述的转换函数外，`torchvision.transforms` 还提供了其他一些转换函数，可以根据需要进行选择和组合。你可以使用 `transforms.Compose` 函数将多个转换函数组合起来，以便在数据加载时一次性应用这些转换。

希望这些信息对你有所帮助！如果你还有其他问题，请随时提问。