利用pytorch的transforms对图片处理并显示的代码

下面是一个利用pytorch的transforms对图片处理并显示的代码示例：

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt

# 定义transforms
transform = transforms.Compose(
    [transforms.Resize((256, 256)),   # 调整图像大小为256x256
     transforms.RandomCrop(224),      # 随机裁剪成224x224大小
     transforms.RandomHorizontalFlip(),  # 随机水平翻转
     transforms.ToTensor(),           # 转换成tensor
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])  # 归一化

# 加载数据集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

# 显示图像函数
def imshow(img):
    img = img / 2 + 0.5     # 反归一化
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# 随机获取一张图像并进行处理
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 显示原始图像
imshow(torchvision.utils.make_grid(images))

# 打印标签
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

这个示例使用了CIFAR10数据集，先定义了一系列transforms对图片进行处理，然后加载CIFAR10数据集，并使用DataLoader来读取数据。接着定义了一个imshow函数来显示图像，并随机获取一张图像进行处理和显示。最后打印了这张图像对应的标签。