阅读量:0
在 Torch 中，可以使用 torchvision.transforms 模块来对数据进行预处理。常见的数据预处理操作包括：
- 图片缩放和裁剪：使用
transforms.Resize和transforms.CenterCrop。 - 图片翻转和旋转：使用
transforms.RandomHorizontalFlip和transforms.RandomRotation。 - 图片灰度化和归一化：使用
transforms.Grayscale和transforms.Normalize。 - 将图片转换为张量：使用
transforms.ToTensor。
以下是一个示例，展示如何使用 transforms 对数据进行预处理：
import torchvision.transforms as transforms # 定义预处理操作 data_transform = transforms.Compose([ transforms.Resize(256), # 将图片缩放为 256x256 transforms.CenterCrop(224), # 将图片裁剪为 224x224 transforms.RandomHorizontalFlip(), # 随机水平翻转图片 transforms.ToTensor(), # 将图片转换为张量 transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 归一化图片像素值 ]) # 加载数据集并应用预处理操作 train_dataset = torchvision.datasets.ImageFolder(root='path/to/train/data', transform=data_transform) 