3. TRANSFORMS

3. TRANSFORMS

数据并不总是以训练机器学习算法所需的最终处理形式出现，因此我们使用transforms 对数据进行一些操作，使其适合训练。

所有TorchVision数据集都有两个参数：transform用于修改特性，target_transform用于修改标签。它们接受包含转换逻辑的可调用文件。torchvision.transforms模块提供了几种常用的开箱即用转换。

FashionMNIST功能采用PIL图像格式，标签为整数。为了训练，需要将特征作为归一化张量，并将标签作为独热编码张量（one-hot tensor）。为了进行这些转换，我们使用ToTensor和Lambda。

import torch
from torchvision import datasets
from torchvision.transforms import ToTensor, Lambda

ds = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
    target_transform=Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))
)

ToTensor()

ToTensor将PIL图像或NumPy数组转换为FloatTensor，并在[0., 1.]范围内缩放图像的像素灰度值。

Lambda Transforms

Lambda Transforms应用任何用户定义的Lambda函数。在这里，我们定义了一个函数，将整数转换为一个独热编码张量（one-hot tensor）。它首先创建一个大小为10（数据集中标签的数量）的零张量，并调用scatter_，在标签y给出的索引上分配其value = 1。

target_transform = Lambda(lambda y: torch.zeros(
    10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))

参考资料

1. https://pytorch.org/tutorials/beginner/basics/transforms_tutorial.html