TorchVision
PyTorch 的视觉工具箱，提供大量图像和视频变换算子（如裁剪、缩放、归一化、数据增强），torchvision.transforms 有 v1 和 v2 接口，v2 支持参数与随机性分离。
时间轴 (近 90 天)
TorchVision transforms v2版本的重要改进是把变换参数与随机性分离，使同一组变换可复现地用于验证与推理。
PyTorch官方建议需要变换媒体时，图像和视频应使用TorchVision。
torchvision.transforms提供大量可组合的变换算子，既有v1接口（针对单张PIL图像或张量），也有v2接口（支持任意输入结构、可与torch.nn.Module组合）。
将解码/编码与变换职责拆开，可以让底层编解码依赖与上层数据增强逻辑各自独立演进，避免一个库同时背负两套不同的工程负担。
TorchVision本身具备一定的图像读写能力，还能对视频做有限处理。
如果代码使用TorchVision直接读取视频文件，未来可能需要迁移到TorchCodec处理I/O部分。
TorchVision 的 transforms 模块经历了 V1 到 V2 的迁移
全部知识事实 (7)
TorchVision transforms v2版本的重要改进是把变换参数与随机性分离，使同一组变换可复现地用于验证与推理。
50%待验证PyTorch官方建议需要变换媒体时，图像和视频应使用TorchVision。
50%待验证torchvision.transforms提供大量可组合的变换算子，既有v1接口（针对单张PIL图像或张量），也有v2接口（支持任意输入结构、可与torch.nn.Module组合）。
50%待验证TorchVision本身具备一定的图像读写能力，还能对视频做有限处理。
50%待验证将解码/编码与变换职责拆开，可以让底层编解码依赖与上层数据增强逻辑各自独立演进，避免一个库同时背负两套不同的工程负担。
50%待验证TorchVision 的 transforms 模块经历了 V1 到 V2 的迁移
50%待验证如果代码使用TorchVision直接读取视频文件，未来可能需要迁移到TorchCodec处理I/O部分。
50%