[Docs] Add data transform tutorials (#455)

* [Docs] Add data transform tutorials

* Rename `RandomMultiscaleResize` to `RandomChocieResize`.

* Imporve according to comments

* Add general data pipeline description.

docs/zh_cn/index.rst

@@ -23,6 +23,7 @@
    tutorials/evaluation.md
    tutorials/data_element.md
    tutorials/basedataset.md
+   tutorials/data_transform.md
    tutorials/distributed.md
    tutorials/logging.md
    tutorials/visualization.md

docs/zh_cn/tutorials/data_transform.md

+# 数据变换 (Data Transform)
+
+在 OpenMMLab 算法库中，数据集的构建和数据的准备是相互解耦的。通常，数据集的构建只对数据集进行解析，记录每个样本的基本信息；
+而数据的准备则是通过一系列的数据变换，根据样本的基本信息进行数据加载、预处理、格式化等操作。
+
+## 使用数据变换类
+
+在 MMEngine 中，我们使用各种可调用的数据变换类来进行数据的操作。这些数据变换类可以接受若干配置参数进行实例化，之后通过调用的方式对输入的数据字典进行处理。
+同时，我们约定所有数据变换都接受一个字典作为输入，并将处理后的数据输出为一个字典。一个简单的例子如下：
+
+```{note}
+MMEngine 中仅约定了数据变换类的规范，常用的数据变换类实现及基类都在 MMCV 中，因此在本篇教程需要提前安装好 MMCV，
+参见 MMCV 的[安装教程](https://mmcv.readthedocs.io/en/dev-2.x/get_started/installation.html)。
+```
+
+```python
+>>> import numpy as np
+>>> from mmcv.transforms import Resize
+>>>
+>>> transform = Resize(scale=(224, 224))
+>>> data_dict = {'img': np.random.rand(256, 256, 3)}
+>>> data_dict = transform(data_dict)
+>>> print(data_dict['img'].shape)
+(224, 224, 3)
+```
+
+## 在配置文件中使用
+
+在配置文件中，我们将一系列数据变换组合成为一个列表，称为数据流水线（Data Pipeline），传给数据集的 `pipeline`
+参数。通常数据流水线由以下几个部分组成：
+
+1. 数据加载，通常使用 [`LoadImageFromFile`](mmcv.transforms.LoadImageFromFile)
+2. 标签加载，通常使用 [`LoadAnnotations`](mmcv.transforms.LoadAnnotations)
+3. 数据处理及增强，例如 [`RandomResize`](mmcv.transforms.RandomResize)
+4. 数据格式化，根据任务不同，在各个仓库使用自己的变换操作，通常名为 `PackXXXInputs`，其中 XXX 是任务的名称，如
+   分类任务中的 `PackClsInputs`。
+
+以分类任务为例，我们在下图展示了一个典型的数据流水线。对每个样本，数据集中保存的基本信息是一个如图中最左侧所示的字典，之后每经过一个由蓝色块代表的数据变换操作，数据字典中都会加入新的字段（标记为绿色）或更新现有的字段（标记为橙色）。
+
+<div align=center>
+<img src="https://user-images.githubusercontent.com/26739999/187157681-ac4dcac8-3543-4bfe-ab30-9aa9e56d4900.jpg" width="90%"/>
+</div>
+
+如果我们希望在测试中使用上述数据流水线，则配置文件如下所示：
+
+```python
+test_dataloader = dict(
+    batch_size=32,
+    dataset=dict(
+        type='ImageNet',
+        data_root='data/imagenet',
+        pipeline = [
+            dict(type='LoadImageFromFile'),
+            dict(type='Resize', size=256, keep_ratio=True),
+            dict(type='CenterCrop', crop_size=224),
+            dict(type='PackClsInputs'),
+        ]
+    )
+)
+```
+
+## 常用的数据变换类
+
+按照功能，常用的数据变换类可以大致分为数据加载、数据预处理与增强、数据格式化。我们在 MMCV 中提供了一系列常用的数据变换类：
+
+### 数据加载
+
+为了支持大规模数据集的加载，通常在数据集初始化时不加载数据，只加载相应的路径。因此需要在数据流水线中进行具体数据的加载。
+
+|                                 数据变换类                                  |                   功能                    |
+| :-------------------------------------------------------------------------: | :---------------------------------------: |
+| [`LoadImageFromFile`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO) |             根据路径加载图像              |
+|  [`LoadAnnotations`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)  | 加载和组织标注信息，如 bbox、语义分割图等 |
+
+### 数据预处理及增强
+
+数据预处理和增强通常是对图像本身进行变换，如裁剪、填充、缩放等。
+
+|                                  数据变换类                                  |                功能                |
+| :--------------------------------------------------------------------------: | :--------------------------------: |
+|        [`Pad`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)         |            填充图像边缘            |
+|     [`CenterCrop`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)     |              居中裁剪              |
+|     [`Normalize`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)      |          对图像进行归一化          |
+|       [`Resize`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)       |     按照指定尺寸或比例缩放图像     |
+|    [`RandomResize`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)    |    缩放图像至指定范围的随机尺寸    |
+| [`RandomChoiceResize`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO) | 缩放图像至多个尺寸中的随机一个尺寸 |
+|  [`RandomGrayscale`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)   |             随机灰度化             |
+|     [`RandomFlip`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)     |            图像随机翻转            |
+
+### 数据格式化
+
+数据格式化操作通常是对数据进行的类型转换。
+
+|                               数据变换类                                |               功能                |
+| :---------------------------------------------------------------------: | :-------------------------------: |
+|   [`ToTensor`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO)    | 将指定的数据转换为 `torch.Tensor` |
+| [`ImageToTensor`](https://mmcv.readthedocs.io/en/dev-2.x/api.html#TODO) |    将图像转换为 `torch.Tensor`    |
+
+## 自定义数据变换类
+
+要实现一个新的数据变换类，需要继承 `BaseTransform`，并实现 `transform` 方法。这里，我们使用一个简单的翻转变换（`MyFlip`）作为示例：
+
+```python
+import random
+import mmcv
+from mmcv.transforms import BaseTransform, TRANSFORMS
+
+@TRANSFORMS.register_module()
+class MyFlip(BaseTransform):
+    def __init__(self, direction: str):
+        super().__init__()
+        self.direction = direction
+
+    def transform(self, results: dict) -> dict:
+        img = results['img']
+        results['img'] = mmcv.imflip(img, direction=self.direction)
+        return results
+```
+
+从而，我们可以实例化一个 `MyFlip` 对象，并将之作为一个可调用对象，来处理我们的数据字典。
+
+```python
+import numpy as np
+
+transform = MyFlip(direction='horizontal')
+data_dict = {'img': np.random.rand(224, 224, 3)}
+data_dict = transform(data_dict)
+processed_img = data_dict['img']
+```
+
+又或者，在配置文件的 pipeline 中使用 `MyFlip` 变换
+
+```python
+pipeline = [
+    ...
+    dict(type='MyFlip', direction='horizontal'),
+    ...
+]
+```
+
+需要注意的是，如需在配置文件中使用，需要保证 `MyFlip` 类所在的文件在运行时能够被导入。