### PyTorch 中 `torchvision.transforms` 的功能与用法 #### 1. 模块概述 `torchvision.transforms` 是 PyTorch 提供的一个用于数据预处理和增强的重要工具集。它主要用于图像数据的变换操作，支持多种常见的图像处理任务，例如缩放、裁剪、翻转以及颜色调整等[^1]。 #### 2. 基本功能分类 以下是 `torchvision.transforms` 支持的主要功能及其描述： - **图像转换** 将输入的数据（如 PIL 图像或 NumPy 数组）转化为适合模型训练的形式。例如，可以将 `[0, 255]` 范围内的 NumPy 数组转换为范围在 `[0.0, 1.0]` 的浮点型张量 (FloatTensor)[^3]。 - **几何变换** 包括但不限于旋转、翻转、裁剪和缩放等功能。例如，可以通过设置参数实现垂直翻转 (`vertical_flip`) 或水平翻转的操作[^2]。 - **色彩空间变换** 变换图像的颜色通道配置，比如将其转换为灰度图 (`Grayscale`) 或者 RGB 到 HSV 空间的切换。 - **标准化** 对图像像素值进行均值减去和标准差除以的操作，以便于后续神经网络更好地学习特征。这通常通过 `transforms.Normalize(mean, std)` 方法完成[^3]。 - **随机增强** 随机应用一些变换来增加数据多样性，从而提高模型泛化能力。例如自定义类 `RandomResize` 实现了基于指定大小区间的随机重设尺寸逻辑[^4]。 #### 3. 使用示例 下面提供几个典型的使用场景代码片段： ##### 示例一：基本转换链路构建 ```python from torchvision import transforms transform_pipeline = transforms.Compose([ transforms.Resize((256, 256)), # 缩放到固定大小 transforms.ToTensor(), # 转换成 Tensor 并归一化到 [0, 1] transforms.Normalize(mean=[0.485], std=[0.229]) # 正则化 ]) ``` ##### 示例二：随机水平翻转并调整亮度对比度 ```python import torch from torchvision import transforms data_transforms = transforms.Compose([ transforms.RandomHorizontalFlip(p=0.5), # 随机水平翻转概率 p=0.5 transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor() ]) image_tensor = data_transforms(image_pil) # 应用转换得到最终 tensor 形式图片 ``` ##### 示例三：自定义随机缩放函数调用 ```python class RandomScaleTransform: def __init__(self, min_scale_factor, max_scale_factor): self.min_scale_factor = min_scale_factor self.max_scale_factor = max_scale_factor def __call__(self, img): scale_factor = np.random.uniform(self.min_scale_factor, self.max_scale_factor) new_size = tuple(int(dim * scale_factor) for dim in img.size[::-1]) return transforms.functional.resize(img, new_size) custom_transform = transforms.Compose([RandomScaleTransform(0.7, 1.3)]) processed_image = custom_transform(original_image) ``` #### 4. 总结 综上所述，`torchvision.transforms` 不仅提供了丰富的内置方法满足常规需求，还允许开发者灵活组合甚至扩展新的变换策略以适应特定应用场景下的复杂情况。合理运用这些技术手段能够显著提升机器学习项目中的数据质量和实验效果。 ---