add paddle.vision.transforms.* api cn doc (#2577)

* add paddle.vision.transforms.* api cn doc

* add alias for paddle.vision.transforms

* delete invalid file

doc/paddle/api/alias_api_mapping

@@ -502,3 +502,29 @@ paddle.fluid.layers.center_loss	paddle.nn.functional.center_loss,paddle.nn.funct
 paddle.nn.functional.input.one_hot	paddle.nn.functional.one_hot
 paddle.tensor.creation.full	paddle.full,paddle.tensor.full
 paddle.fluid.layers.soft_relu	paddle.nn.functional.soft_relu,paddle.nn.functional.activation.soft_relu
+paddle.vision.transforms.transforms.Compose	paddle.vision.transforms.Compose
+paddle.vision.transforms.transforms.BatchCompose	paddle.vision.transforms.BatchCompose
+paddle.vision.transforms.transforms.Resize	paddle.vision.transforms.Resize
+paddle.vision.transforms.transforms.RandomResizedCrop	paddle.vision.transforms.RandomResizedCrop
+paddle.vision.transforms.transforms.CenterCropResize	paddle.vision.transforms.CenterCropResize
+paddle.vision.transforms.transforms.CenterCrop	paddle.vision.transforms.CenterCrop
+paddle.vision.transforms.transforms.RandomHorizontalFlip	paddle.vision.transforms.RandomHorizontalFlip
+paddle.vision.transforms.transforms.RandomVerticalFlip	paddle.vision.transforms.RandomVerticalFlip
+paddle.vision.transforms.transforms.Permute	paddle.vision.transforms.Permute
+paddle.vision.transforms.transforms.Normalize	paddle.vision.transforms.Normalize
+paddle.vision.transforms.transforms.GaussianNoise	paddle.vision.transforms.GaussianNoise
+paddle.vision.transforms.transforms.BrightnessTransform	paddle.vision.transforms.BrightnessTransform
+paddle.vision.transforms.transforms.SaturationTransform	paddle.vision.transforms.SaturationTransform
+paddle.vision.transforms.transforms.ContrastTransform	paddle.vision.transforms.ContrastTransform
+paddle.vision.transforms.transforms.HueTransform	paddle.vision.transforms.HueTransform
+paddle.vision.transforms.transforms.ColorJitter	paddle.vision.transforms.ColorJitter
+paddle.vision.transforms.transforms.RandomCrop	paddle.vision.transforms.RandomCrop
+paddle.vision.transforms.transforms.RandomErasing	paddle.vision.transforms.RandomErasing
+paddle.vision.transforms.transforms.Pad	paddle.vision.transforms.Pad
+paddle.vision.transforms.transforms.RandomRotate	paddle.vision.transforms.RandomRotate
+paddle.vision.transforms.transforms.Grayscale	paddle.vision.transforms.Grayscale
+paddle.vision.transforms.functional.flip	paddle.vision.transforms.flip
+paddle.vision.transforms.functional.resize	paddle.vision.transforms.resize
+paddle.vision.transforms.functional.pad	paddle.vision.transforms.pad
+paddle.vision.transforms.functional.rotate	paddle.vision.transforms.rotate
+paddle.vision.transforms.functional.to_grayscale	paddle.vision.transforms.to_grayscale
\ No newline at end of file

doc/paddle/api/paddle/vision/flip_cn.rst

-.. _cn_api_tensor_flip:
-
-flip
--------------------------------
-
-.. py:function:: paddle.flip(x, axis, name=None):
-
-:alias_main: paddle.flip
-:alias: paddle.flip, paddle.tensor.flip, paddle.tensor.manipulation.flip
-
-
-
-该OP沿指定轴反转n维tensor.
-
-参数：
-    - **x** (Variable) - 输入张量。维度为多维，数据类型为bool, int32, int64, float32或float64。
-    - **axis** (list) - 需要翻转的轴。当 ``axis[i] < 0`` 时，实际的计算维度为 ndim(x) + axis[i]，其中i为axis的索引。
-    - **name** (str|None) - 该参数供开发人员打印调试信息时使用，具体用法请参见 :ref:`api_guide_Name` 。默认值为None。
-
-返回：在指定axis上翻转后的张量，与输入x数据类型相同。
-
-返回类型：Variable，与输入x数据类型相同。
-
-抛出异常：
-    - ``TypeError`` - 当输出 ``out`` 和输入 ``x`` 数据类型不一致时候。
-    - ``ValueError`` - 当参数  ``axis`` 不合法时。
-
-**代码示例1**：
-
-.. code-block:: python
-
-    import paddle
-    import numpy as np
-
-    paddle.enable_imperative()
-    
-    image_shape=(3, 2, 2)
-    x = np.arange(image_shape[0] * image_shape[1] * image_shape[2]).reshape(image_shape)
-    x = x.astype('float32')
-    img = paddle.imperative.to_variable(x)
-    out = paddle.flip(img, [0,1])
-    print(out) # [[[10,11][8, 9]],[[6, 7],[4, 5]] [[2, 3],[0, 1]]]
-

doc/paddle/api/paddle/vision/transforms/functional/flip_cn.rst

+.. _cn_api_vision_transforms_flip:
+
+flip
+-------------------------------
+
+.. py:function:: paddle.vision.transforms.flip(image, code)
+
+根据翻转的类型对输入图像进行翻转。
+
+参数
+:::::::::
+
+    - image (numpy.ndarray) - 输入的图像数据，形状为(H, W, C)。
+    - code (int) - 支持的翻转类型，-1: 水平和垂直翻转，0: 垂直翻转，1: 水平翻转。
+
+返回
+:::::::::
+
+    ``numpy.ndarray``，翻转后的图像数据。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import functional as F
+
+
+    np.random.seed(5)
+    fake_img = np.random.rand(224, 224, 3)
+
+    # flip horizontally and vertically
+    flip_img_1 = F.flip(fake_img, -1)
+    
+    # flip vertically
+    flip_img_2 = F.flip(fake_img, 0)
+    
+    # flip horizontally
+    flip_img_3 = F.flip(fake_img, 1)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/functional/pad_cn.rst

+.. _cn_api_vision_transforms_pad:
+
+pad
+-------------------------------
+
+.. py:function:: paddle.vision.transforms.pad(img, padding, fill=(0, 0, 0), padding_mode='constant')
+
+使用特定的填充模式和填充值来对输入图像进行填充。
+
+参数
+:::::::::
+
+    - img (np.ndarray) - 被填充的图像。
+    - padding (int|tuple) - 在图像每个边框上填充。
+            如果提供单个int值，则用于填充图像所有边。
+            如果提供长度为2的元组，则分别为图像左/右和顶部/底部进行填充。
+            如果提供了长度为4的元组，则分别按照左，上，右和下的顺序为图像填充。
+    - fill (int|tuple) - 用于填充的像素值，仅当padding_mode为constant时传递此参数，默认使用0来进行每个像素的填充。
+            如果参数值是一个长度为3的元组，则会分别用于填充R，G，B通道。
+    - padding_mode (string) - 填充模式，支持：constant, edge, reflect 或 symmetric，默认值：constant，使用fill参数值填充。
+            ``constant`` 表示使用fill参数来指定一个值进行填充。
+            ``edge`` 表示在图像边缘填充最后一个值。
+            ``reflect`` 表示用原图像的反向图片填充（不重复使用边缘上的值）。比如使用这个模式对 ``[1, 2, 3, 4]``的两端分别填充2个值，最后结果是 ``[3, 2, 1, 2, 3, 4, 3, 2]``。
+            ``symmetric`` 表示用原图像的反向图片填充（重复使用边缘上的值）。比如使用这个模式对 ``[1, 2, 3, 4]``的两端分别填充2个值，最后结果是 ``[2, 1, 1, 2, 3, 4, 4, 3]``。
+
+返回
+:::::::::
+
+    ``numpy.ndarray``，填充后的图像数据。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms.functional import pad
+
+
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = pad(fake_img, 2)
+
+    print(fake_img.shape)
+    # (504, 504, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/functional/resize_cn.rst

+.. _cn_api_vision_transforms_resize:
+
+resize
+-------------------------------
+
+.. py:function:: paddle.vision.transforms.resize(img, size, interpolation=cv2.INTER_LINEAR)
+
+将输入数据调整为指定大小。
+
+参数
+:::::::::
+
+    - img (numpy.ndarray) - 输入数据，可以是(H, W, C)形状的图像或遮罩。
+    - size (int|tuple) - 输出图像大小。
+            如果size是一个序列，例如（h，w），输出大小将与此匹配。
+            如果size为int，图像的较小边缘将与此数字匹配，即如果 height > width，则图像将重新缩放为(size * height / width, size)。
+    - interpolation (int，可选) - 调整图片大小时使用的插值模式。默认值: cv2.INTER_LINEAR。
+
+返回
+:::::::::
+
+    ``numpy.ndarray``，调整大小后的图像数据。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+    
+    import numpy as np
+    from paddle.vision.transforms import functional as F
+
+
+    fake_img = np.random.rand(256, 256, 3)
+    fake_img_1 = F.resize(fake_img, 224)
+
+    print(fake_img_1.shape)
+    # (224, 224, 3)
+
+    fake_img_2 = F.resize(fake_img, (200, 150))
+
+    print(fake_img_2.shape)
+    # (200, 150, 3)
+        
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/functional/rotate_cn.rst

+.. _cn_api_vision_transforms_rotate:
+
+rotate
+-------------------------------
+
+.. py:function:: paddle.vision.transforms.rotate(img, angle, interpolation=cv2.INTER_LINEAR, expand=False, center=None)
+
+按角度旋转图像。
+
+参数
+:::::::::
+
+    - img (numpy.ndarray) - 输入图像。
+    - angle (float|int) - 旋转角度，顺时针。
+    - interpolation (int，可选) - 调整图片大小时使用的插值模式。默认值: cv2.INTER_LINEAR。
+    - expand (bool，可选) - 是否要对旋转后的图片进行大小扩展，默认值: False，不进行扩展。
+            当参数值为True时，会对图像大小进行扩展，让其能够足以容纳整个旋转后的图像。
+            当参数值为False时，会按照原图像大小保留旋转后的图像。
+            **这个扩展操作的前提是围绕中心旋转且没有平移。**
+    - center (2-tuple，可选) - 旋转的中心点坐标，原点是图片左上角，默认值是图像的中心点。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，旋转后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+        
+    import numpy as np
+    from paddle.vision.transforms.functional import rotate
+
+
+    fake_img = np.random.rand(3, 3, 3).astype('float32')
+    print('before rotate:')
+    print(fake_img)
+    fake_img = rotate(fake_img, 90)
+    print('after rotate:')
+    print(fake_img)
+    """
+    before rotate:
+    [[[0.9320921  0.311002   0.22388814]
+    [0.9551999  0.10015319 0.7481808 ]
+    [0.4619514  0.29591113 0.12210595]]
+
+    [[0.77222216 0.3235876  0.5718483 ]
+    [0.8797754  0.35876957 0.9330844 ]
+    [0.65897316 0.11888863 0.31214228]]
+
+    [[0.7627513  0.05149421 0.41464522]
+    [0.2620253  0.7800404  0.990831  ]
+    [0.7814754  0.21640824 0.4333755 ]]]
+    
+    after rotate:
+    [[[0.         0.         0.        ]
+    [0.7627513  0.05149421 0.41464522]
+    [0.77222216 0.3235876  0.5718483 ]]
+
+    [[0.         0.         0.        ]
+    [0.2620253  0.7800404  0.990831  ]
+    [0.8797754  0.35876957 0.9330844 ]]
+
+    [[0.         0.         0.        ]
+    [0.7814754  0.21640824 0.4333755 ]
+    [0.65897316 0.11888863 0.31214228]]]
+    """
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/functional/to_grayscale_cn.rst

+.. _cn_api_vision_transforms_to_grayscale:
+
+to_grayscale
+-------------------------------
+
+.. py:function:: paddle.vision.transforms.to_grayscale(img, num_output_channels=1)
+
+将图像转换为灰度。
+
+参数
+:::::::::
+
+    - img (numpy.ndarray) - 输入图像
+    - num_output_channels (int，可选) - 输出图像的通道数，默认值为1，单通道。
+
+返回
+:::::::::
+
+    ``numpy.ndarray``，输入图像的灰度版本。
+        - 如果 output_channels == 1 : 返回一个单通道图像。
+        - 如果 output_channels == 3 : 返回一个RBG格式的3通道图像。
+    
+代码示例
+:::::::::
+    
+.. code-block:: python
+    
+    import numpy as np
+    from paddle.vision.transforms.functional import to_grayscale
+
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = to_grayscale(fake_img)
+    
+    print(fake_img.shape)
+    # (500, 500, 1)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/BatchCompose_cn.rst

+.. _cn_api_vision_transforms_BatchCompose:
+
+BatchCompose
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.BatchCompose(transforms=[])
+
+用于处理批数据的预处理接口组合。
+
+参数
+:::::::::
+
+    - transforms (list): - 用于组合的数据预处理接口实例。这些预处理接口所处理的是一批数据。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.io import DataLoader
+
+    from paddle import set_device
+    from paddle.vision.datasets import Flowers
+    from paddle.vision.transforms import Compose, BatchCompose, Resize
+
+    class NormalizeBatch(object):
+        def __init__(self,
+                    mean=[0.485, 0.456, 0.406],
+                    std=[0.229, 0.224, 0.225],
+                    scale=True,
+                    channel_first=True):
+
+            self.mean = mean
+            self.std = std
+            self.scale = scale
+            self.channel_first = channel_first
+            if not (isinstance(self.mean, list) and isinstance(self.std, list) and
+                    isinstance(self.scale, bool)):
+                raise TypeError("{}: input type is invalid.".format(self))
+            from functools import reduce
+            if reduce(lambda x, y: x * y, self.std) == 0:
+                raise ValueError('{}: std is invalid!'.format(self))
+
+        def __call__(self, samples):
+            for i in range(len(samples)):
+                samples[i] = list(samples[i])
+                im = samples[i][0]
+                im = im.astype(np.float32, copy=False)
+                mean = np.array(self.mean)[np.newaxis, np.newaxis, :]
+                std = np.array(self.std)[np.newaxis, np.newaxis, :]
+                if self.scale:
+                    im = im / 255.0
+                im -= mean
+                im /= std
+                if self.channel_first:
+                    im = im.transpose((2, 0, 1))
+                samples[i][0] = im
+            return samples
+
+    transform = Compose([Resize((500, 500))])
+    flowers_dataset = Flowers(mode='test', transform=transform)
+
+    device = set_device('cpu')
+
+    collate_fn = BatchCompose([NormalizeBatch()])
+    loader = DataLoader(
+                flowers_dataset,
+                batch_size=4,
+                places=device,
+                return_list=True,
+                collate_fn=collate_fn)
+
+    for data in loader:
+        # do something
+        break
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/BrightnessTransform_cn.rst

+.. _cn_api_vision_transforms_BrightnessTransform:
+
+BrightnessTransform
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.BrightnessTransform(value)
+
+调整图像的亮度。
+
+参数
+:::::::::
+
+    - value (float) - 亮度调整范围大小，会从给定参数后的均匀分布[max(0，1 - brightness), 1 + brightness]中随机选择进行实际调整，可以是任何非负数。参数等于0时输出原始图像。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整亮度后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import BrightnessTransform
+
+
+    transform = BrightnessTransform(0.4)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+        
+    print(fake_img.shape)
+    # (500, 500, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/CenterCropResize_cn.rst

+.. _cn_api_vision_transforms_CenterCropResize:
+
+CenterCropResize
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.CenterCropResize(size, crop_padding=32, interpolation=cv2.INTER_LINEAR)
+
+通过填充将图像裁剪到图像中心，然后缩放尺寸。
+
+参数
+:::::::::
+
+    - size (int|list|tuple) - 输出图像的形状大小。
+    - crop_padding (int) - 中心裁剪时进行padding的大小。默认值: 32。
+    - interpolation (int) - 调整图片大小时使用的插值模式。默认值: cv2.INTER_LINEAR。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，裁剪并调整尺寸后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import CenterCropResize
+
+
+    transform = CenterCropResize(224)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (224, 224, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/CenterCrop_cn.rst

+.. _cn_api_vision_transforms_CenterCrop:
+
+CenterCrop
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.CenterCrop(output_size)
+
+对输入图像进行裁剪，保持图片中心点不变。
+
+参数
+:::::::::
+
+    - output_size (int|tuple) - 输出图像的形状大小。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，裁剪后的图像。    
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+    
+    import numpy as np
+    from paddle.vision.transforms import CenterCrop
+
+
+    transform = CenterCrop(224)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+        
+    print(fake_img.shape)
+    # (224, 224, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/ColorJitter_cn.rst

+.. _cn_api_vision_transforms_ColorJitter:
+
+ColorJitter
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
+
+随机调整图像的亮度，对比度，饱和度和色调。
+
+参数
+:::::::::
+
+    - brightness(float) - 亮度调整范围大小，会从给定参数后的均匀分布[max(0，1 - brightness), 1 + brightness]中随机选择进行实际调整，不能是负数。
+    - contrast(float) - 对比度调整范围大小，，会从给定参数后的均匀分布[max(0，1 - contrast), 1 + contrast]中随机选择进行实际调整，不能是负数。
+    - saturation(float) - 饱和度调整范围大小，，会从给定参数后的均匀分布[max(0，1 - saturation), 1 + saturation]中随机选择进行实际调整，不能是负数。
+    - hue(float) - 色调调整范围大小，，会从给定参数后的均匀分布[-hue, hue]中随机选择进行实际调整，参数值需要在0到0.5之间。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整亮度、对比度、饱和度和色调后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import ColorJitter
+
+
+    transform = ColorJitter(0.4)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Compose_cn.rst

+.. _cn_api_vision_transforms_Compose:
+
+Compose
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Compose(transforms)
+
+将用于数据集预处理的接口以列表的方式进行组合。
+
+参数
+:::::::::
+
+    - transforms (list) - 用于组合的数据预处理接口实例列表。
+
+返回
+:::::::::
+
+    一个可调用的Compose对象，它将依次调用每个给定的 :attr:`transforms`。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    from paddle.vision.datasets import Flowers
+    from paddle.vision.transforms import Compose, ColorJitter, Resize
+
+    transform = Compose([ColorJitter(), Resize(size=608)])
+    flowers = Flowers(mode='test', transform=transform)
+
+    for i in range(10):
+        sample = flowers[i]
+        print(sample[0].shape, sample[1])
+
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/ContrastTransform_cn.rst

+.. _cn_api_vision_transforms_ContrastTransform:
+
+ContrastTransform
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.ContrastTransform(value)
+
+调整图像对比度。
+
+参数
+:::::::::
+
+    - value (float) - 对比度调整范围大小，会从给定参数后的均匀分布[max(0，1 - contrast), 1 + contrast]中随机选择进行实际调整，不能是负数。参数值为0时返回原图像。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整对比度后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import ContrastTransform
+
+
+    transform = ContrastTransform(0.4)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/GaussianNoise_cn.rst

+.. _cn_api_vision_transforms_GaussianNoise:
+
+GaussianNoise
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.GaussianNoise(mean=0.0, std=1.0)
+
+基于给定的均值和标准差来产生高斯噪声，并将随机高斯噪声添加到输入数据。
+
+参数
+:::::::::
+
+    - mean (float) - 用于产生噪声的高斯平均值。
+    - std (float) - 用于产生噪声的高斯标准偏差。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，增加高斯噪声后的图像。    
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import GaussianNoise
+
+
+    transform = GaussianNoise()
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Grayscale_cn.rst

+.. _cn_api_vision_transforms_Grayscale:
+
+Grayscale
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Grayscale(output_channels=1)
+
+将图像转换为灰度。
+
+参数
+:::::::::
+
+    - output_channels (int) - 输出图像的通道数，参数值为1或3。
+
+返回
+:::::::::
+
+    ``numpy.ndarray``，输入图像的灰度版本。
+        - 如果 output_channels == 1 : 返回一个单通道图像。
+        - 如果 output_channels == 3 : 返回一个RBG格式的3通道图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import Grayscale
+
+
+    transform = Grayscale()
+    fake_img = np.random.rand(500, 400, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 400, 1)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/HueTransform_cn.rst

+.. _cn_api_vision_transforms_HueTransform:
+
+HueTransform
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.HueTransform(value)
+
+调整图像的色调。
+
+参数
+:::::::::
+
+    - value (float) - 色调调整范围大小，，会从给定参数后的均匀分布[-hue, hue]中随机选择进行实际调整，参数值需要在0到0.5之间, 参数值为0时返回原始图像。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整色调后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import HueTransform
+
+
+    transform = HueTransform(0.4)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Normalize_cn.rst

+.. _cn_api_vision_transforms_Normalize:
+
+Normalize
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Normalize(mean=0.0, std=1.0)
+
+图像归一化处理，支持两种方式：
+1. 用统一的均值和标准差值对图像的每个通道进行归一化处理；
+2. 对每个通道指定不同的均值和标准差值进行归一化处理。
+
+计算过程：
+
+``output[channel] = (input[channel] - mean[channel]) / std[channel]``
+
+参数
+:::::::::
+
+    - mean (int|float|list) - 用于每个通道归一化的均值。
+    - std (int|float|list) - 用于每个通道归一化的标准差值。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，归一化后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import Normalize
+
+
+    normalize = Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
+    fake_img = np.random.rand(3, 500, 500).astype('float32')
+    fake_img = normalize(fake_img)
+
+    print(fake_img.shape)
+    # (3, 500, 500)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Pad_cn.rst

+.. _cn_api_vision_transforms_Pad:
+
+Pad
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Pad(padding, fill=0, padding_mode='constant')
+
+使用特定的填充模式和填充值来对输入图像进行填充。
+
+参数
+:::::::::
+
+    - padding (int|tuple) - 在图像每个边框上填充。
+            如果提供单个int值，则用于填充图像所有边。
+            如果提供长度为2的元组，则分别为图像左/右和顶部/底部进行填充。
+            如果提供了长度为4的元组，则分别按照左，上，右和下的顺序为图像填充。
+    - fill (int|tuple) - 用于填充的像素值，仅当padding_mode为constant时传递此参数，默认使用0来进行每个像素的填充。
+            如果参数值是一个长度为3的元组，则会分别用于填充R，G，B通道。
+    - padding_mode (string) - 填充模式，支持：constant, edge, reflect 或 symmetric，默认值：constant，使用fill参数值填充。
+            ``constant`` 表示使用fill参数来指定一个值进行填充。
+            ``edge`` 表示在图像边缘填充最后一个值。
+            ``reflect`` 表示用原图像的反向图片填充（不重复使用边缘上的值）。比如使用这个模式对 ``[1, 2, 3, 4]``的两端分别填充2个值，最后结果是 ``[3, 2, 1, 2, 3, 4, 3, 2]``。
+            ``symmetric`` 表示用原图像的反向图片填充（重复使用边缘上的值）。比如使用这个模式对 ``[1, 2, 3, 4]``的两端分别填充2个值，最后结果是 ``[2, 1, 1, 2, 3, 4, 4, 3]``。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，填充后的图像。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import Pad
+
+
+    transform = Pad(2)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+    
+    print(fake_img.shape)
+    # (504, 504, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Permute_cn.rst

+.. _cn_api_vision_transforms_Permute:
+
+Permute
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Permute(mode="CHW", to_rgb=True)
+
+将输入的图像数据更改为目标格式。例如，大多数数据预处理是使用HWC格式的图片，而神经网络可能使用CHW模式输入张量。
+
+.. note::
+    输入图像应为HWC格式的numpy.ndarray。 
+
+参数
+:::::::::
+
+    - mode (str) - 输出图像的格式，默认值为CHW（图像通道-图像高度-图像宽度）。
+    - to_rgb (bool) - 将BGR格式图像转换为RGB格式，默认值为True，启用此项转换。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，更改格式后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import Permute
+
+
+    transform = Permute()
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (3, 500, 500)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/RandomCrop_cn.rst

+.. _cn_api_vision_transforms_RandomCrop:
+
+RandomCrop
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomCrop(size, padding=0, pad_if_needed=False)
+
+在随机位置裁剪输入的图像。
+
+参数
+:::::::::
+
+    - size (sequence|int) - 裁剪后的图片大小。如果size是一个int值，而不是(h, w)这样的序列，那么会做一个方形的裁剪(size, size)。
+    - padding (int|sequence，可选) - 对图像四周外边进行填充，如果提供了长度为4的序列，则将其分别用于填充左边界，上边界，右边界和下边界。 默认值：0，不填充。
+    - pad_if_needed (boolean，可选) - 如果裁剪后的图像小于期望的大小时，是否对裁剪后的图像进行填充，以避免引发异常，默认值：False，保持初次裁剪后的大小，不填充。
+    
+返回
+:::::::::
+
+    ``numpy ndarray``，随机裁剪后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import RandomCrop
+
+
+    transform = RandomCrop(224)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (224, 224, 3)

doc/paddle/api/paddle/vision/transforms/transforms/RandomErasing_cn.rst

+.. _cn_api_vision_transforms_RandomErasing:
+
+RandomErasing
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomErasing(prob=0.5, scale=(0.02, 0.4), ratio=0.3, value=[0., 0., 0.])
+
+随机选择图像中的一个矩形区域并将其像素删除。
+具体可参见``Random Erasing Data Augmentation``这篇论文，链接：https://arxiv.org/pdf/1708.04896.pdf。
+
+参数
+:::::::::
+
+    - prob (float) - 随机擦除操作被执行的概率。
+    - scale (tuple) - 擦除区域相对于输入图像的比例范围，参数格式：(min，max)。
+    - ratio (float) - 擦除区域的宽高比范围。
+    - value (float|list|tuple) - 擦除操作使用的像素值。如果为单个float值，则用于擦除所有像素。 
+            如果是长度为3的元组或数组，则分别用于擦除R，G，B通道。默认值：0.，使用0.来擦除矩形区域。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，随机擦除后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import RandomErasing
+
+    transform = RandomErasing()
+    np.random.seed(5)
+    fake_img = np.random.rand(5, 5, 3).astype('float32')
+    fake_img = transform(fake_img)
+    
+    print(fake_img)
+    """
+    因函数会随机擦除，以下是其中一种结果示例，0.的位置就是被做了擦除。
+    [[[0.22199318 0.8707323  0.20671916]
+      [0.91861093 0.4884112  0.61174387]
+      [0.7659079  0.518418   0.2968005 ]
+      [0.18772122 0.08074127 0.7384403 ]
+      [0.4413092  0.15830986 0.87993705]]
+
+     [[0.         0.         0.        ]
+      [0.         0.         0.        ]
+      [0.26581913 0.28468588 0.2535882 ]
+      [0.32756394 0.1441643  0.16561286]
+      [0.96393055 0.9602267  0.18841465]]
+
+     [[0.         0.         0.        ]
+      [0.         0.         0.        ]
+      [0.00164217 0.5154726  0.6397952 ]
+      [0.98562443 0.2590976  0.8024969 ]
+      [0.8704831  0.92274964 0.00221421]]
+
+     [[0.46948838 0.98146874 0.3989448 ]
+      [0.8137325  0.5464565  0.7708541 ]
+      [0.48493108 0.02911156 0.08652569]
+      [0.11145381 0.2512451  0.9649153 ]
+      [0.6317661  0.8166602  0.566082  ]]
+
+     [[0.6353562  0.8119024  0.9266826 ]
+      [0.91262674 0.82481074 0.09420273]
+      [0.36104843 0.03550903 0.54635835]
+      [0.7961427  0.0511428  0.18866773]
+      [0.36547777 0.24429087 0.79508746]]]
+    """
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/RandomHorizontalFlip_cn.rst

+.. _cn_api_vision_transforms_RandomHorizontalFlip:
+
+RandomHorizontalFlip
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomHorizontalFlip(prob=0.5)
+
+基于概率来执行图片的水平翻转。
+
+参数
+:::::::::
+
+    - prob (float) - 图片执行水平翻转的概率，默认值为0.5。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，概率执行水平翻转后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import RandomHorizontalFlip
+
+    transform = RandomHorizontalFlip(1)
+    np.random.seed(5)
+    fake_img = np.random.rand(3, 3, 3).astype('float32')
+    print('翻转前的图片')
+    print(fake_img)
+    fake_img = transform(fake_img)
+
+    print('翻转后的图片')
+    print(fake_img)
+    """
+    翻转前的图片
+    [[[0.22199318 0.8707323  0.20671916]
+    [0.91861093 0.4884112  0.61174387]
+    [0.7659079  0.518418   0.2968005 ]]
+
+    [[0.18772122 0.08074127 0.7384403 ]
+    [0.4413092  0.15830986 0.87993705]
+    [0.27408648 0.41423503 0.29607993]]
+
+    [[0.62878793 0.5798378  0.5999292 ]
+    [0.26581913 0.28468588 0.2535882 ]
+    [0.32756394 0.1441643  0.16561286]]]
+    翻转后的图片
+    [[[0.7659079  0.518418   0.2968005 ]
+    [0.91861093 0.4884112  0.61174387]
+    [0.22199318 0.8707323  0.20671916]]
+
+    [[0.27408648 0.41423503 0.29607993]
+    [0.4413092  0.15830986 0.87993705]
+    [0.18772122 0.08074127 0.7384403 ]]
+
+    [[0.32756394 0.1441643  0.16561286]
+    [0.26581913 0.28468588 0.2535882 ]
+    [0.62878793 0.5798378  0.5999292 ]]]
+    """
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/RandomResizedCrop_cn.rst

+.. _cn_api_vision_transforms_RandomResizedCrop:
+
+RandomResizedCrop
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomResizedCrop(output_size, scale=(0.08, 1.0), ratio=(3. / 4, 4. / 3), interpolation=cv2.INTER_LINEAR)
+
+将输入图像按照随机大小和长宽比进行裁剪。
+会根据参数生成基于原图像的随机比例（默认值：0.08至1.0）和随机宽高比（默认值：3./4至4./3）。
+经过此接口操作后，输入图像将调整为参数指定大小。
+
+参数
+:::::::::
+        
+    - output_size (int|list|tuple) - 输出图像大小，当为单个int值时，生成output_size大小的方形图片，为(height,width)格式的数组或元组时按照参数大小输出。
+    - scale (list|tuple) - 基于原图选定的需要进行裁剪的范围，默认值：（0.08，1.0）。
+    - ratio (list|tuple) - 裁剪后的目标图像宽高比范围，默认值： (0.75, 1.33)。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，随机裁剪和改变大小后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import RandomResizedCrop
+    
+    
+    transform = RandomResizedCrop(3)
+    fake_img = np.random.rand(5, 5, 3).astype('float32')
+
+    print('original image:')
+    print(fake_img)
+
+    fake_img = transform(fake_img)
+
+    print('output image:')
+    print(fake_img)
+    
+    """
+    original image:
+    [[[0.22199318 0.8707323  0.20671916]
+    [0.91861093 0.4884112  0.61174387]
+    [0.7659079  0.518418   0.2968005 ]
+    [0.18772122 0.08074127 0.7384403 ]
+    [0.4413092  0.15830986 0.87993705]]
+
+    [[0.27408648 0.41423503 0.29607993]
+    [0.62878793 0.5798378  0.5999292 ]
+    [0.26581913 0.28468588 0.2535882 ]
+    [0.32756394 0.1441643  0.16561286]
+    [0.96393055 0.9602267  0.18841465]]
+
+    [[0.02430656 0.20455554 0.6998436 ]
+    [0.7795146  0.02293309 0.5776629 ]
+    [0.00164217 0.5154726  0.6397952 ]
+    [0.98562443 0.2590976  0.8024969 ]
+    [0.8704831  0.92274964 0.00221421]]
+
+    [[0.46948838 0.98146874 0.3989448 ]
+    [0.8137325  0.5464565  0.7708541 ]
+    [0.48493108 0.02911156 0.08652569]
+    [0.11145381 0.2512451  0.9649153 ]
+    [0.6317661  0.8166602  0.566082  ]]
+
+    [[0.6353562  0.8119024  0.9266826 ]
+    [0.91262674 0.82481074 0.09420273]
+    [0.36104843 0.03550903 0.54635835]
+    [0.7961427  0.0511428  0.18866773]
+    [0.36547777 0.24429087 0.79508746]]]
+    output image:
+    [[[0.7659079  0.518418   0.2968005 ]
+    [0.18772122 0.08074127 0.7384403 ]
+    [0.4413092  0.15830986 0.87993705]]
+
+    [[0.26581913 0.28468588 0.2535882 ]
+    [0.32756394 0.1441643  0.16561286]
+    [0.96393055 0.9602267  0.18841465]]
+
+    [[0.00164217 0.5154726  0.6397952 ]
+    [0.98562443 0.2590976  0.8024969 ]
+    [0.8704831  0.92274964 0.00221421]]]
+    """

doc/paddle/api/paddle/vision/transforms/transforms/RandomRotate_cn.rst

+.. _cn_api_vision_transforms_RandomRotate:
+
+RandomRotate
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomRotate(degrees, interpolation=cv2.INTER_LINEAR, expand=False, center=None)
+
+按角度旋转图像。
+
+参数
+:::::::::
+
+    - degrees (sequence|float|int) - 旋转的角度度数范围。如果度数是数字而不是像（min，max）这样的序列，则会根据degrees参数值生成度数范围（-degrees，+degrees）。
+    - interpolation (int，可选) - 调整图片大小时使用的插值模式。默认值: cv2.INTER_LINEAR。
+    - expand (bool，可选): 是否要对旋转后的图片进行大小扩展，默认值: False，不进行扩展。
+            当参数值为True时，会对图像大小进行扩展，让其能够足以容纳整个旋转后的图像。
+            当参数值为False时，会按照原图像大小保留旋转后的图像。
+            **这个扩展操作的前提是围绕中心旋转且没有平移。**
+    - center (2-tuple，可选) - 旋转的中心点坐标，原点是图片左上角，默认值是图像的中心点。
+    
+返回
+:::::::::
+
+    ``numpy ndarray``，随机旋转一定角度后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+    
+    import numpy as np
+    from paddle.vision.transforms import RandomRotate
+
+
+    transform = RandomRotate(90)
+    np.random.seed(5)
+    fake_img = np.random.rand(500, 400, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 400, 3)
+    
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/RandomVerticalFlip_cn.rst

+.. _cn_api_vision_transforms_RandomVerticalFlip:
+
+RandomVerticalFlip
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.RandomVerticalFlip(prob=0.5)
+
+基于概率来执行图片的垂直翻转。
+
+参数
+:::::::::
+
+    - prob (float) - 执行图片垂直翻转的概率，默认值为0.5。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，概率执行垂直翻转后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+    
+    import numpy as np
+    from paddle.vision.transforms import RandomVerticalFlip
+    
+    
+    transform = RandomVerticalFlip()
+    np.random.seed(5)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/Resize_cn.rst

+.. _cn_api_vision_transforms_Resize:
+
+Resize
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.Resize(size, interpolation=cv2.INTER_LINEAR)
+
+将输入数据调整为指定大小。
+
+参数
+:::::::::
+
+    - size (int|list|tuple) - 输出图像大小。
+            如果size是一个序列，例如（h，w），输出大小将与此匹配。
+            如果size为int，图像的较小边缘将与此数字匹配，即如果 height > width，则图像将重新缩放为(size * height / width, size)。
+    - interpolation (int，可选) - 调整图片大小时使用的插值模式。默认值: cv2.INTER_LINEAR。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整大小后的图像。
+
+代码示例
+:::::::::
+
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import Resize
+    
+    
+    transform = Resize(size=224)
+    np.random.seed(5)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+    
+    print(fake_img.shape)
+    # (224, 224, 3)
\ No newline at end of file

doc/paddle/api/paddle/vision/transforms/transforms/SaturationTransform_cn.rst

+.. _cn_api_vision_transforms_SaturationTransform:
+
+SaturationTransform
+-------------------------------
+
+.. py:class:: paddle.vision.transforms.SaturationTransform(value)
+
+调整图像的饱和度
+
+参数
+:::::::::
+
+    - value (float) - 饱和度的调整数值，非负数，当参数值为0时返回原始图像。
+
+返回
+:::::::::
+
+    ``numpy ndarray``，调整饱和度后的图像。
+
+代码示例
+:::::::::
+    
+.. code-block:: python
+
+    import numpy as np
+    from paddle.vision.transforms import SaturationTransform
+
+
+    transform = SaturationTransform(0.4)
+    np.random.seed(5)
+    fake_img = np.random.rand(500, 500, 3).astype('float32')
+    fake_img = transform(fake_img)
+
+    print(fake_img.shape)
+    # (500, 500, 3)
\ No newline at end of file