第十五篇—图像变换（transforms专题）
方法一：ToTensor( )
功能：把图片转换为张量(shape:H*W*C转C*H*W)，并将像素值归一化(0~255转0~1)；
代码实现：
结果：
方法二：Normalize(mean,std,inplace=False)
功能：按照Channel对图像进行标准化；
mean：各通道的标准差，[ R_mean，G_mean，B_mean ]；
std：各通道的标准差，[ R_std，G_std，B_std ]；
inplace：是否原地操作，参考第十一篇—自动求导(autograd)；
代码实现：
结果：
方法三：Resize([ H, W ])
功能：调整图像的分辨率，缩放到(H,W)；
代码实现：
结果：
方法四：Pad(padding,fill=0,padding_mode="constant")
功能：对图像边缘进行填充；
padding：设置填充大小，a表示左右上下边均填充a个像素，(a,b)表示左右边均填充a个像素、上下边均填充b个像素，(a,b,c,d)表示左边填充a个像素，上边填充b个像素，右边填充c个像素，下边填充d个像素；
fill：填充的像素值，默认为0(黑)；
padding_mode：填充模式，默认为"constant"，参考第十三篇—裁剪（Crop）；
代码实现：
结果：
方法五：ColorJitter(brightness=0,contrast=0,saturation=0,hue=0)
功能：调整图像亮度、对比度、饱和度和色调；
brightness：亮度因子；
contrast：对比度因子；
saturation：饱和度因子；
hue：色调因子；
其中，亮度、对比度和饱和度为a时，表示从[max(0,1-a),1+a]中取值，为(a,b)时，表示从[a,b]中取值；色调为a(0<=a<=0.5)时，表示从[-a,a]中取值，为(a,b)(0<=a<=b<=0.5)时，表示从[a,b]中取值；
代码实现：
结果：
方法六：Grayscale(num_output_channels=1)
功能：将图片转换为灰度图；
num_output_channels：输出的通道数，只能取1或3；
代码实现：
结果：
方法七：RandomGrayscale(p=0.1)
功能：按照概率p将图片转换为灰度图；
p：转换的概率；
代码实现：
结果：
方法八：
RandomAffine(degrees,translate=None,scale=None,shear=None,fillcolor=0)
功能：对图片进行仿射变换(2维的线性变换)，由5种基本操作组成：旋转、平移、缩放、翻转和错切；
degrees：旋转角度(以中心点旋转)；
translate：平移区间，(a,b)表示 -W*a<=dx<=W*a，-H*b<=dy<=H*b，dx和dy为平移距离，H和W为图像高和宽；
scale：缩放比例；
shear：错切角度(包括水平错切和垂直错切)，a表示仅在X轴错切、在(-a,a)之间随机选择错切角度，(a,b)表示X轴在(-a,a)之间随机选择错切角度、Y轴在(-b,b)之间随机选择错切角度，(a,b,c,d)表示X轴在(a,b)之间随机选择错切角度、Y轴在(c,d)之间随机选择错切角度；
fillcolor：填充颜色；
代码实现：
结果：
方法九：LinearTransformation(transformation_matrix,mean_vector)
功能：用一个转换矩阵和一个离线计算出的均值向量将图片进行转换；
transformation_matrix：转换矩阵，类型为Tensor，格式为二维D*D，D=C*H*W；
mean_vector：均值向量，类型为Tensor，格式为一维D，D=C*H*W；
计算过程：
代码实现：
结果：
方法十：RandomErasing(p=0.5,scale=(0.02,0.33),ratio=(0.3,3.3),value=0)
功能：对图像进行随机擦除，对象为Tensor；
p：擦除概率；
scale：擦除面积比例，在(a,b)中随机取值；
ratio：擦除区域长宽比，在(a,b)中随机取值；
value：擦除区域的像素值，默认为0(黑)，因为操作对象为Tensor，像素值已被归一化，所以value需要除以255；
代码实现：
结果：
方法十一：ToPILImage()
功能：将Tensor类型转为PIL类型；
实现过程：
代码实现：
结果：
方法十二：Lambda()
功能：匿名函数；
通过匿名函数实现图片打包：
结果：
