torchvision.transforms.ToTensor()，torchvision.trasnsforms.Normalize()

用PyTorch進行神經網絡訓練時，如果訓練用的數據是圖像數據，則需要在訓練之前對圖像進行預處理。以MNIST數據為例：

train_data = torchvision.datasets.MNIST(
    root='./mnist/',   
    train=True,                                     
    transform=torchvision.transforms.ToTensor(),    # Converts a PIL.Image or numpy.ndarray to
                                                    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=True,                        
)

transform=torchvision.transforms.ToTensor()起到的作用是把PIL.Image或者numpy.narray數據類型轉變為torch.FloatTensor類型，shape是C*H*W，數值范圍縮小為[0.0, 1.0]。

如果想把數值范圍調整為[-1.0, 1.0]，則可加torchvision.transforms.Normalize([mean_channel1,mean_channel2,mean_channel3], [std_channel1,std_channel2,std_channel3])，如果是黑白圖像，比如MNIST里的圖像，只有一個通道，則mean只需要一個，std也只需要一個。

im_tfs = torchvision.trasnsforms.Compose([
    torchvision.trasnsforms.ToTensor(),
    torchvision.trasnsforms.Normalize([0.5], [0.5]) 
])

train_data = torchvision.datasets.MNIST(
    root='./mnist/',   
    train=True,                                     
    transform=torchvision.transforms.ToTensor(),    
    download=True,                        
)