注：transforms.compose()数据增强部分，只对image进行，label不进行数据增强，所以需要在dataset中的__getitem__部分进行label相应的处理，比如变为CHW形式，将数值变为0-1之间等。

torchvision.transfoms

下面介绍图像分类中的图像增强技术。

# 1. 比例缩放(重置图像分辨率)

2. 裁剪

3. 翻转

4. 色度、亮度、饱和度、对比度的变化

5. 灰度化

6. Padding-填充

*padding：填充的宽度，可以是一个值或者元组，分别对应4个边；
*fill：填充的值，可以是一个值（所有通道都用该值进行填充），或者一个3元组（RGB三通道）当padding_mode=constant起作用；
*paddin_mode:constant、edge（填充值为边缘）；reflect(从边缘往内一个像素开始做镜像)；symmetric(从边缘做镜像)。

利用Compose函数生成一个PiPeLine，进行统一处理

7. Normalize 提供一个所有通道的均值和方差，会将原始数据进行归一化，操作格式是张量(属于度张量数据的变换)

8. transforms.ToTensor()

9. 线性变换-transforms.LinearTransformation()

使用方形变换矩阵和离线计算的mean_vector变换张量图像。给定transformation_matrix和mean_vector，将使矩阵变平。从中拉伸并减去mean_vector，然后用变换矩阵计算点积，然后将张量重新整形为其原始形状。
白化转换：假设X是列向量零中心数据。然后torch.mm计算数据协方差矩阵[D x D]，对该矩阵执行SVD并将其作为transformation_matrix传递。

1. transformation_matrix（Tensor） - 张量[D x D]，D = C x H x W.
2. mean_vector（Tensor） - 张量[D]，D = C x H x W.