transform = ToTensor() 是 PyTorch 中用于將圖像數據轉換為張量（Tensor）并進行歸一化的標準操作，以下是對其功能的逐層解析及關鍵細節：

---

核心功能總結

功能	描述
類型轉換	將 PIL Image / numpy 數組 → PyTorch Tensor (dtype: torch.float32)
數值歸一化	像素值從 [0, 255] → [0.0, 1.0] (通過 ÷255 實現)
維度重排	(H×W×C)* → (C×H×W)

注：(*) 僅當輸入為 numpy 數組時需滿足此內存布局，PIL Image 無需關注此規則

---

完整轉換流程詳解

1. 輸入數據來源

支持兩種常見格式：

• PIL Image（推薦）：直接讀取的圖片對象
• Numpy Array：形狀需為 (H, W, C)（Height × Width × Channels）

2. 執行的操作

graph LR
A[原始圖像] --> B{數據源判斷}
B -->|PIL Image| C[拆分通道 + 轉Float + /255]
B -->|Numpy Array| D[轉置維度 + 轉Float + /255]
C & D --> E[生成 Torch Tensor]

3. 具體變化示例

以灰度圖為例（單通道）：

階段	數據形式	取值范圍	數據類型	備注
原始PIL圖像	PIL Image	[0, 255]	uint8	高度×寬度
轉換后Tensor	torch.Tensor	[0.0, 1.0]	float32	[Channel, Height, Width]

彩色圖像（RGB三通道）同理，每個通道獨立歸一化。

---

關鍵技術點解析

為何要除以255？

• 物理意義：將8位整型（0~255）映射到浮點型的連續區間[0,1]，符合神經網絡對輸入范圍的要求
• 數學優勢：避免大數值導致的梯度爆炸，加速收斂
• 對比實驗：不除以255的訓練損失通常比歸一化的高數十倍

維度重排的必要性

• PyTorch設計規范：要求張量采用 (Batch_Size, Channels, Height, Width) 格式