一、维度准换总结
PIL与OpenCV读出的图片的numpy维度顺序都是： HWC（非单通道）， HW（单通道）
OpenCV的RGB维度顺序是：BGR； PIL的RGB维度顺序是：RGB
Pytorch Dalaloader出来之后， Numpy都会转Tensor， 得到Tensor的维度顺序是： BCHW（非单通道），BHW（单通道）
PyTorch中ToTensor的操作： 除以255，并进行维度调整
PyTorch中ToTensor维度调整： HWC->CHW, HW->CHW
Pytorch中ToTensor要求输入的数据类型： PIL图像对象或Numpy数组
ToTensor与不ToTensor的区别：
# 对于Edge的处理
img_B_edge = Image.open(img_B_edge_path).convert('L') #PIL HW 0~255
img_B_edge = transforms.ToTensor()(img_B_edge) #Tensor CHW 0~1
output of dataloader #Tensor BCHW 0~1
# 对于Mask的处理
img_B_mask = Image.open(img_B_mask_path).convert('L') #PIL HW 0~255
img_B_mask = np.array(img_B_mask, dtype=np.int64) #Numpy HW 0~255
output of dataloader #Tensor BHW 0~255
# 对于RGB图像的处理
img_B = Image.open(img_B_path).convert('RGB') #PIL HWC 0~255
img_B = transforms.ToTensor()(img_B) #Tensor CHW 0~1
output of dataloader #Tensor BCHW 0~1
# 对于灰度图像的处理
img = Image.open(img_path).convert('L') #PIL HW 0~255
img = transforms.ToTensor()(img) #Tensor CHW 0~1
output of dataloader #Tensor BCHW 0~1所以：之前就只有BCHW的区别和BHW的区别
二、可能存在的问题
已经解决
更正：不存在了，因为是.convert(‘L’)操作，到numpy时只有单通道。
numpy时： hw
dataloader时: bhw
对于：img_A_edge和img_B_edge 官方的：直接除以255 我的：直接ToTensor 区别：我的维度为chw，别人的为hwc已经解决
确实默认是固定住，也已经固定住
按照目前这种形式，每次加载图片的顺序，都需要固定住等待解决
IR_pos_h = np.random.randint(0, 32) IR_pos_w = np.random.randint(0, 104) 当中的具体数值也需要注意 注意：这是红外的训练过程，为什么这样裁剪，应当看训练过程已经解决
不需要固定住，原版也没有固定住
随机缩放裁剪的情况，可能需要固定住等待解决
是不是bhw影响了获取梯度的那个函数
