PyTorch 变换

from set_env import temp_dir  # 加载环境并导入临时目录路径

项目根目录：/media/pc/data/lxw/ai/torch-book

数据并不总是以最终处理过的形式出现，这种形式是训练机器学习算法所必需的。使用 变换 来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 用于修改特征，target_transform 用于修改标签——它们接受包含变换逻辑的可调用对象。 torchvision.transforms模块提供了几种常用的转换方法。

FashionMNIST 的特征是以 PIL 图像格式存在的，而标签是整数。为了训练，需要将特征变换为归一化的张量，并将标签转换为独热编码的张量。要进行这些转换，使用 ToTensor 和 Lambda。

import torch
from torchvision import datasets
from torchvision.transforms import v2

ToTensor = v2.Compose(
    v2.ToImage(),
    v2.ToDtype(torch.float32, scale=True),
)
ds = datasets.FashionMNIST(
    root=temp_dir/"data",
    train=True,
    download=True,
    transform=ToTensor,
    target_transform=v2.Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))
)

ToTensor

ToTensor 将 PIL 图像或 NumPy ndarray 转换为 Image，并将图像的像素强度值缩放到范围 \([0., 1.]\) 内。

Lambda 变换

Lambda 变换应用任何用户定义的 lambda 函数。在这里，定义了一个函数，将整数转换为独热编码张量。它首先创建大小为 10（数据集中标签的数量）的零张量，并调用 torch.Tensor.scatter_()，在由标签 y 给定的索引处分配 value=1。

target_transform = v2.Lambda(lambda y: torch.zeros(
    10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))