提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
前言
随着人工智能的不断发展，深度学习这门技术也越来越重要，很多人都开启了深度学习，本文就介绍了深度学习之pytorch入门系列之transforms的使用
一、transforms是什么？
它是用来做图像转换的，比如Totensor类型转换、Normalize归一化、Resize等。这篇文章介绍了前两种。
二、使用步骤
1.代码及标注如下
代码如下（示例）：
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
#python的用法-》tensor数据类型
#通过transforms.ToTensor去看问题
writer=SummaryWriter("logs") #与第16行相对应
img_path="data/train/ants_image/0013035.jpg"
img=Image.open(img_path) #根据图片路径，打开图片，将图片信息赋值给img变量
print(img) #打印图片信息
#1、transforms该如何使用（python）
#ToTensor
trans_totensor=transforms.ToTensor() #根据transforms下的ToTensor创建trans_totensor类
img_tensor=trans_totensor(img) #调用trans_totensor类，把之前放好的图片进行tensor转换
print(img_tensor) #打印tensor类型信息
writer.add_image("img_tensor",img_tensor) #用于可视化图片，返回torch.Tensor的图片
print(img_tensor[0][0][0]) #打印第一层第一行第一列
#2、Normalize
trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5]) #3个通道的平均值，3个通道的标准差
img_norm=trans_norm(img_tensor) #调用trans_norm类，把之前放好的图片进行归一化
print(img_norm[0][0][0]) #打印经过tensor类型转换和归一化后的第一层第一行第一列
writer.add_image("Normalize",img_norm) ##用于可视化图片，返回归一化后的图片
writer.close()
————————————————
版权声明：本文为CSDN博主「半糖390」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_69398563/article/details/126290044
2.效果展示
在终端输入tensorboard --logdir=logs 就可以启动tensorboard，进行图片展示
效果如下（示例）：
当改变通道的平均值和标准差时，图片会发生变化，如下所示
多改，几个值，会有不同的变化，自己可以动手试试
总结
参考b站up主 我是土堆 的视频，做的笔记哟