阅读量:0
在PyTorch中，加载图片数据通常需要使用torchvision库中的datasets和transforms模块。以下是一个简单的示例代码，演示如何加载图片数据：
import torch from torchvision import datasets, transforms # 定义数据转换 transform = transforms.Compose([ transforms.Resize((224, 224)), # 将图片大小调整为224x224 transforms.ToTensor(), # 将图片转换为Tensor格式 transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 对图片进行标准化 ]) # 加载数据集 train_data = datasets.ImageFolder(root='path/to/train_dataset', transform=transform) test_data = datasets.ImageFolder(root='path/to/test_dataset', transform=transform) # 创建数据加载器 train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True) test_loader = torch.utils.data.DataLoader(test_data, batch_size=64, shuffle=False) # 遍历数据加载器 for images, labels in train_loader: # 处理图片数据 pass 在上述代码中，首先定义了数据转换transform，然后使用ImageFolder类加载了训练集和测试集的图片数据，并通过DataLoader创建了数据加载器。最后，可以通过遍历数据加载器来处理图片数据。
