以下是关于“PyTorch 中的数据转换 Transforms 与 DataLoader 方式”的完整攻略，其中包含两个示例说明。
import torch
import torchvision
from torchvision import transforms
transform = transforms.Compose(
[transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
在本示例中，我们定义了三个数据转换操作：将图像大小调整为 224x224、将图像转换为张量、将图像像素值标准化。
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
在本示例中，我们加载了 CIFAR10 数据集，并应用了定义好的数据转换。
import torch
import torchvision
from torchvision import transforms
transform = transforms.Compose(
[transforms.Resize((224, 224)),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
在本示例中，我们定义了三个数据转换操作：将图像大小调整为 224x224、将图像转换为张量、将图像像素值标准化。
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
在本示例中，我们加载了 CIFAR10 数据集，并应用了定义好的数据转换。
通过以上步骤，我们可以使用 PyTorch 中的 Transforms 和 DataLoader 实现数据转换和数据加载，并成功地实现了两个示例。
本文链接：http://task.lmcjl.com/news/5291.html