1.首先看源代码：
点transform进入的内容是：
在ctrl再选中圈出来的.transforms就可以了，进入transform.py文件，其实torchversion.transforms包 的实现就是在这个transform.py文件中
2.介绍Compose类：
这个类就是将多个transforms结合到一起，就像他举的例子一样，将ransforms.CenterCrop(10)和transforms.Totensor()两个transforms结合到一起，ransforms.CenterCrop(10)的输出就是transforms.Totensor()的输入。
3.ToTensor 类：
将一个 PIL.Image类型或者numpy.array类型的数据转换成为tensor类型
4. transforms 常用的类 :
5. 这里还有一些关于：
transforms中Normalize类：（11：29处）：常见的Transforms（一）_哔哩哔哩_bilibili
transforms中Risize类：（0：0处）常见的Transforms（二）_哔哩哔哩_bilibili
RandomCrop类：（10：36处）常见的Transforms（二）_哔哩哔哩_bilibili
6. transform的用法：
（1）背景知识：什么是tensor数据类型：
为什么我们需要tensor数据类型：如下图所示：第一张图显示的是PIL.Image格式下的图的描述，第二章图显示的是tensor格式下的图的描述。我们可以明显发现 tensor数据类型包含了一些神经网络训练时需要的内容，如梯度grad等等
PIL.Image：
tensor格式：
（2）背景知识__call__()函数 是什么？
以下面这段代码为例可以解释一下：
简言之就是，如果有实现__call__()函数，那么就可以直接用实例传参数调用
（3）如何使用transform :
首先通过调用transform中的类来实例化一个实例，作为当下要使用的工具
（当然个各类实例化时需要的参数或者注意事项各不相同，需要自己查阅一下官方的文档）
然后利用这个实例化的工具对要处理的内容进行处理
from torchvision import transforms from PIL import Image img_path = "2222.jpg" #图片的相对路径 img = Image.open(img_path) print((img)) tensor_trans = transforms.ToTensor() #调用transform中的ToTensor类，来实例化出一个实例tensor_trans，作为当下将PIL.Image转换为tensor类型数据所要使用的工具 tensor_img = tensor_trans(img) print(tensor_img)
