我刚刚发现,即使torchvision.dataset.MNIST
接受transformer
参数。。。你知道吗
transform = transforms.compose(
[transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]
)
mnist_trainset = datasets.mnist(
root="mnist", train=True, download=True, transform=transform
)
…从mnist_trainset.data
变量获得的值仍未转换(请注意,(0,255)范围内的数据应标准化为transformer
行为的(-1,1)。你知道吗
[102] mnist_testset.data[0].min()
tensor(0, dtype=torch.uint8)
[103] mnist_testset.data[0].max()
tensor(255, dtype=torch.uint8)
我试图通过mnist_trainset.data
调用mnist_trainset.transform
,但输出形状不是我想要的
[104] mnist_testset.data.shape
torch.Size([10000, 28, 28])
[105] transform(mnist_testset.data).shape
torch.Size([3, 28, 28])
# Should be [10000, 28, 28] as identical to the original data.
我可以使用DataLoader
来加载整个训练集,并将洗牌设置为False
,但我认为这太过分了。使用定义的transformer
对象变换整个图像的最佳方法是什么,以便获得预期的变换图像,而不必逐个手动变换?你知道吗
当使用数据集的
__getitem__
方法对数据集进行采样时,将调用转换。因此,您可以执行以下操作来获取所有转换后的数据。你知道吗或者使用列表理解
如果你想把它变成一个大张量,你可以用
torch.stack
相关问题 更多 >
编程相关推荐