transforms.Resize()

`transforms.Resize()` 是 PyTorch 中的一个图像转换函数，用于调整图像的大小。

它可以用来将图像的尺寸调整为指定的大小。你可以通过传递一个整数作为参数来指定调整后的图像大小，或者传递一个元组来指定图像的宽度和高度。调整大小时，图像的宽高比将会保持不变。

下面是一个使用 `transforms.Resize()` 的例子：

import torchvision.transforms as transforms

# 创建一个 Resize 转换对象，将图像调整为 256x256 的大小
resize_transform = transforms.Resize(256)

# 调用 resize_transform 对图像进行转换
resized_image = resize_transform(image)

在上面的例子中，`resize_transform` 是一个 `transforms.Resize()` 对象，它将图像调整为 256x256 的大小。然后，我们可以使用 `resize_transform` 对图像 `image` 进行转换，得到调整大小后的图像 `resized_image`。

希望这个解答对你有帮助！如果你有任何其他问题，请随时提问。

相关问题

transforms.Resize

transforms.Resize 是 PyTorch 中的一个数据预处理函数，用于调整输入数据的大小。该函数可以接收一个整数或一个元组作为参数，分别表示调整后的图片大小。如果传入一个整数，则表示将输入数据的短边缩放到指定大小，长边按比例缩放。如果传入一个元组，则表示将输入数据的大小调整为元组中指定的大小。

示例：

from torchvision.transforms import transforms

transform = transforms.Compose([
    transforms.Resize(256)
])

# 对输入数据进行预处理
input_data = transform(input_data)

上述示例中，Resize 函数将输入数据的短边缩放到 256，长边按比例缩放。

transforms.resize

### 使用 `transforms.Resize` 进行图像大小调整

在 PyTorch 的数据预处理流程中，`transforms.Resize()` 函数用于调整输入图像的尺寸。该操作对于确保模型接收固定大小的输入至关重要[^1]。

具体来说，在使用 `transforms.Resize(size)` 方法时，参数 `size` 可以是一个整数或一个元组 `(height, width)` 来指定目标高度和宽度。如果仅提供单个整数值，则会保持原始宽高比例不变的情况下缩放较短边至给定长度[^2]。

下面展示了一个完整的例子来说明如何利用此功能：

import torch
from torchvision import transforms
from PIL import Image

# 定义变换链，其中包括Resize操作和其他必要的转换
transform_pipeline = transforms.Compose([
    transforms.Resize((256, 256)),      # 将图片统一调整到256x256像素
    transforms.ToTensor(),              # 转换成张量并归一化到[0,1]
])

image_path = 'example.jpg'
img = Image.open(image_path).convert('RGB')
tensor_img = transform_pipeline(img)

print(tensor_img.shape)                 # 输出形状应为 [3, 256, 256], 表示三通道彩色图

值得注意的是，当从 Python 环境迁移到 C++ 部署时，由于 OpenCV 和 Torchvision 在实现细节上的不同，可能导致同样的 resize 操作产生略微不同的结果。因此建议开发者们注意这种潜在差异，并考虑在实际应用中进行适当校准[^4]。