Pytorch提供了一個torchvision.transforms的包，可以使用transforms進行如下操作：

1、ＰＩＬ.image / numpy. ndarray 與Ｔｅｎｓｏｒ相互轉化

２、進行歸一化

３、對PIL.image進行裁剪、縮放等操作

一、ＰＩＬ.image / numpy. ndarray 轉化為Ｔｅｎｓｏｒ，常常在訓練模型階段進行資料讀取，

Tensor轉化為ＰＩＬ.image / numpy. ndarray則使用在驗證模型階段的資料輸出

使用transforms.ToTensor()將ＰＩＬ.image / numpy. ndarray轉化為torch.FloatTensor，再轉化為【0,1.0】

使用transforms.ToPILImage將Tensor轉化為PIL.image

二、對Tensor進行變換

class torchvision.transforms.Normalize(mean, std)

給定均值：（R，G，B）;    方差：（R，G，B）   將會把Tensor正則化，即Normalized_image=(image-mean)/std

例如：把一個取值範圍為【0,255】的PIL.Image  或者shape 為（H，W，C）的numpy.ndarray

轉換成形狀為【C，H，W】，其取值範圍為【0,1.0】的troch.FloadTensor

程式碼實現：

data=np.random.randint(0,255,size=300)

img=data.reshape(10,10,3)

print(img.shape)

img_tensor=transforms.ToTensor()(img) #轉換成Tensor

print(img_tensor)

(PS : 其實不太懂這個，到底怎麼用)