1问题
1,ToTensor：将PIL Image或numpy.ndarray转换为torch.FloatTensor，并将其归一化到[0.0, 1.0]范围内。
2,Normalize：将PIL Image或numpy.ndarray转换为torch.FloatTensor，并将其归一化到[-1.0, 1.0]范围内。
3,Resize：调整图像大小。
4,CenterCrop：将给定的PIL Image进行中心切割，得到给定的size。
5,Compose：将多个变换组合在一起。
6,RandomCrop：从图像中随机裁剪出一定大小的区域。
2 方法
数据转换：transforms.ToTensor()
ToTensor是transforms模块中的一个函数，用于将PIL Image或numpy.ndarray类型的数据转换为torch.FloatTensor类型。在Pytorch中，图像数据通常以PIL Image的形式存在，而模型训练时需要的数据格式为torch.FloatTensor
| from torchvision import transforms # 创建一个ToTensor实例
|
数据归一化：transforms.Normalize()
Normalize是transforms模块中的一个函数，用于将PIL Image或numpy.ndarray类型的数据进行归一化处理。归一化是将数据缩放到一个特定的范围，通常是[0, 1]或[-1, 1]。在图像处理中，归一化可以使得不同尺度的图像具有相同的尺度，从而方便模型的训练和预测。
| from torchvision import transforms # 创建一个Normalize实例，指定均值和标准差
|
调整图像大小transforms.Resize()
Resize是transforms模块中的一个函数，用于调整图像的大小。在图像处理中，我们需要将不同大小的图像输入到模型中进行训练和预测
| from torchvision import transforms # 创建一个Resize实例，指定目标尺寸
|
从图像中心裁剪出指定大小的区域transforms.CenterCrop()
CenterCrop是transforms模块中的一个函数，用于从图像中心裁剪出指定大小的区域。在图像处理中，我们需要将不同大小的图像输入到模型中进行训练和预测。因此，我们需要对图像进行大小调整，使其具有相同的尺寸。
| from torchvision import transforms # 创建一个CenterCrop实例，指定目标尺寸
|
对图像进行多种不同的操作:transforms.Compose()
Compose是transforms模块中的一个函数，用于将多个变换组合在一起。在图像处理中，我们可能需要对图像进行多种不同的操作，例如缩放、裁剪、旋转等
| from torchvision import transforms # 创建一个Compose实例，指定多个变换操作
|
从图像中随机裁剪出指定大小的区域transforms.RandomCrop()
RandomCrop是transforms模块中的一个函数，用于从图像中随机裁剪出指定大小的区域
| from torchvision import transforms # 创建一个RandomCrop实例，指定目标尺寸
|
3结语
torchvision.trantransform是PyTorch中用于数据预处理的模块，它提供了多种常用的数据转换操作，如缩放、裁剪、旋转等。在图像处理中，我们通常需要将不同大小的图像输入到模型中进行训练和预测。因此，我们需要对图像进行大小调整，使其具有相同的尺寸。通过使用这些函数，我们可以方便地对图像进行预处理，使其符合模型的要求。例如，在ImageNet数据集上训练卷积神经网络时，我们需要将所有图像缩放到指定的大小(224x224)，并进行归一化处理。这时，我们可以使用Compose函数将这些操作组合在一起，一次性完成所有的预处理操作。
