mindspore.dataset.transforms

此模块用于通用数据增强，其中一部分增强操作是用C++实现的，具有较好的高性能，另一部分是基于Python实现，使用了NumPy模块作为支持。

在API示例中，常用的模块导入方法如下：

import mindspore.dataset as ds
import mindspore.dataset.transforms as transforms

注意：旧的API导入方式已经过时且会逐步废弃，因此推荐使用上面的方式，但目前仍可按以下方式导入：

from mindspore.dataset.transforms import c_transforms
from mindspore.dataset.transforms import py_transforms

常用数据处理术语说明如下：

变换

`mindspore.dataset.transforms.Compose`	将多个数据增强算子组合使用。
`mindspore.dataset.transforms.Concatenate`	在Tensor的某一个轴上进行元素拼接。
`mindspore.dataset.transforms.Duplicate`	将输入的数据列复制得到新的数据列，每次仅可以输入1个数据列进行复制。
`mindspore.dataset.transforms.Fill`	将Tensor的所有元素都赋值为指定的值，输出Tensor将与输入Tensor具有与具有相同的shape和数据类型。
`mindspore.dataset.transforms.Mask`	用给条件判断输入Tensor的内容，并返回一个掩码Tensor。
`mindspore.dataset.transforms.OneHot`	将Tensor进行OneHot编码。
`mindspore.dataset.transforms.PadEnd`	对输入Tensor进行填充，要求 pad_shape 与输入Tensor的维度保持一致。
`mindspore.dataset.transforms.RandomApply`	指定一组数据增强处理及其被应用的概率，在运算时按概率随机应用其中的增强处理。
`mindspore.dataset.transforms.RandomChoice`	在一组数据增强中随机选择部分增强处理进行应用。
`mindspore.dataset.transforms.RandomOrder`	给一个数据增强的列表，随机打乱数据增强处理的顺序。
`mindspore.dataset.transforms.Slice`	对Tensor进行切片操作，功能类似于NumPy的索引(目前只支持1D形状的Tensor)。
`mindspore.dataset.transforms.TypeCast`	将输入的Tensor转换为指定的数据类型。
`mindspore.dataset.transforms.Unique`	对输入张量进行唯一运算，每次只支持对一个数据列进行变换。

关系操作符，可以取值为Relational.EQ、Relational.NE、Relational.GT、Relational.GE、Relational.LT、Relational.LE。