深度学习框架PyTorch——从入门到精通（4）数据转换

转换（Transforms）

很多时候，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。所以我们需要使用变换对数据进行一些处理，使其适合训练。

所有TorchVision数据集都有两个参数——transform来修改特征，target_transform来修改标签——接受包含转换逻辑的可调用项。torchvision. transform模块提供了几个开箱即用的转换。

FashionMNIST 数据集的特征采用的是 Python Imaging Library（PIL）图像格式，而标签是整数。
对于训练来说，我们需要将特征转换为归一化的张量，将标签转换为独立热编码的张量。
为了实现这些转换，我们使用 ToTensor 和 Lambda 这两个函数（类）。

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方法：将PIL图像或NumPyndarray转换为FloatTensor。并在[0.，1.]范围内缩放图像的像素强度值。
• Lambda变换 ：Lambda转换应用任何用户定义的lambda函数。
  在下方的例子里，我们定义了一个函数来将整数转换为单热编码张量。它首先创建一个大小为10的零张量（我们数据集中的标签数量）并调用scatter_。（scatter_在标签y给出的索引上分配一个value=1。）

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

更多内容请看：torchvision.transforms API