使用Pytorch训练通常使用Torchvision的transforms进行预处理，transforms提供了丰富的数据增强手段，但是transforms.Resize和OpenCV的resize会有一定差异，这会导致我们使用C++去部署pytorch训练的model时候可能会有一定差距，源码里面也提到过：
because PIL applies antialiasing. This may lead to significant differences in the performance of a network (https://github.com/pytorch/vision/blob/3a278d701d3a0bba25ad52891653330ece2cb472/torchvision/transforms/functional.py#L350)
因为transforms.Resize当输入为PIL图像时，默认使用的PIL的resize进行处理，除了默认的双线性插值，还会进行antialiasing，对比了OpenCV不同的resize发现，差距还是挺大的：
对于一些分类检测任务还好，如果是embedding等，可能会存在较大的误差，所以训练时，尽量不要用到transforms.Resize.
这里替换掉transforms.Resize后，发现Opencv可以复现出pytorch的网络输出：
