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

用PyTorch进行神经网络训练时，如果训练用的数据是图像数据，则需要在训练之前对图像进行预处理。以MNIST数据为例：

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数据类型转变为torch.FloatTensor类型，shape是C*H*W，数值范围缩小为[0.0, 1.0]。

如果想把数值范围调整为[-1.0, 1.0]，则可加torchvision.transforms.Normalize([mean_channel1,mean_channel2,mean_channel3], [std_channel1,std_channel2,std_channel3])，如果是黑白图像，比如MNIST里的图像，只有一个通道，则mean只需要一个，std也只需要一个。

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,                        
)