翻译：PyTorch基础知识学习 - transforms（变换）

翻译文章链接：PyTorch变换

一、TRANSFORMS（变换）

• 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。我们使用转换来对数据进行一些操作并使其适合训练。
• 所有 TorchVision 数据集都有两个参数 -transform修改特征和 target_transform修改标签 - 接受包含转换逻辑的可调用对象。torchvision.transforms模块提供了几个开箱即用的常用转换。
• FashionMNIST 特征是 PIL 图像格式，标签是整数。对于训练，我们需要将特征作为归一化张量，并将标签作为 one-hot 编码张量。为了进行这些转换，我们使用ToTensor和Lambda。

代码如下：

import torch
from torchvision import datasets
from torchvision.transforms import  ToTensor, Lambda

ds = datasets.FashionMNIST(
    root="E://pytorch",
    train=True,
    download=True,
    transform=ToTensor(),
    target_transform=Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))
)

此时会下载相关的数据集，上面我们存放的路径为E://pytorch：


二、ToTensor()，到张量

• ToTensor 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 Transforms

Lambda 转换应用任何用户定义的 lambda 函数。在这里，我们定义了一个函数来将整数转换为 one-hot 编码张量。它首先创建一个大小为 10 的零张量（我们数据集中的标签数量）并调用 scatter_，它在标签上分配 a value=1给定的索引y。

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