Pytorch(4)-TRANSFORMS
TRANSFORMS
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。我们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修改功能和 target_transform修改标签
接受包含转换逻辑的可调用项。该torchvision.transforms模块提供几种常用的变换 out of the box.(开箱即用)
FashionMNIST功能采用PIL图像格式,标签为整数。为了进行训练,我们需要将特征作为归一化张量,将标签作为单热编码张量。为了进行这些转换,我们使用ToTensor和Lambda。
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()
ToTensor 可以将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转换
Lambda转换会应用任何用户定义的Lambda函数。在这里,我们定义了一个将整数转换为单次热编码张量的函数。它首先创建大小为10(数据集中的标签数)的零张量,并调用 scatter_,该标签在label所给定的索引y上assigns 赋值 value=1
.scatter_(dim=0,index = tensor(y),value =1)
target_transform = Lambda(lambda y: torch.zeros(
10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))
总结:
torchvision.transforms --------- ToTensor, Lambda
这两个函数都是在datasets中应用
datasets.FashionMNIST(
transform=,
target_transform=,)