在PyTorch中，圖像預處理通常是通過使用torchvision.transforms模塊來實現的。transforms模塊提供了一系列可用的預處理操作，例如縮放、裁剪、旋轉、翻轉、歸一化等。
下面是一個簡單的例子，展示如何使用transforms對圖像進行預處理：
import torch
from torchvision import transforms
from PIL import Image
# 讀取圖像
image = Image.open('image.jpg')
# 定義預處理操作
preprocess = transforms.Compose([
transforms.Resize(256), # 縮放為256x256
transforms.CenterCrop(224), # 中心裁剪為224x224
transforms.ToTensor(), # 轉換為Tensor
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 歸一化
])
# 對圖像進行預處理
processed_image = preprocess(image)
# 將圖像處理后的Tensor轉換為批量輸入的格式
processed_image = processed_image.unsqueeze(0)
print(processed_image.shape)
在上面的例子中，我們首先使用transforms.Compose定義了一系列預處理操作，然后將圖像依次傳入這些操作中進行處理。最后，我們將處理后的圖像轉換為Tensor，并添加一個批量維度以適應神經網絡模型的輸入格式。
通過使用transforms模塊，可以方便地對圖像進行各種預處理操作，從而加速訓練和提高模型性能。
