MindSpore数据预处理，并生成batch装载数据

# 常用转化用算子
import mindspore.dataset.transforms.c_transforms as c
# 图像转化用算子
import mindspore.dataset.vision.c_transforms as cv
# mind spore.common包中会有诸如type形态转变、权重初始化等的常规工具。
from mindspore.common import dtype
# Mind spore模块主要用于本次实验卷积神经网络的构建，包括很多子模块。
import mindspore
# 主要包括CI FAR-10数据集的载入与处理，也可以自定义数据集。
import mindspore.dataset as ds



# 数据预处理，再生成装载数据

def my_dataset(my_data, batch__size=32, status="train"):

    # 设置类型变化
    typecast_op = c.TypeCast(dtype.int32)
    my_data = my_data.map(input_columns="label", operations=typecast_op)

    if status == "train":
        # 设置随机裁剪参数
        random_crop_op = cv.RandomCrop([32, 32], [4, 4, 4, 4])
        my_data = my_data.map(input_columns="image", operations=random_crop_op)
        # 设置随机翻转参数
        random_horizontal_op = cv.RandomHorizontalFlip()
        my_data = my_data.map(input_columns="image", operations=random_horizontal_op)

    # 重设大小
    resize_op = cv.Resize((32, 32))
    my_data = my_data.map(input_columns="image", operations=resize_op)

    # 归一化
    rescale = 1.0 / 255.0
    # 平移
    shift = 0.0
    rescale_op = cv.Rescale(rescale, shift)
    my_data = my_data.map(input_columns="image", operations=rescale_op)

    # RGB三通道分别设定mean和std
    normalize_op = cv.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
    my_data = my_data.map(input_columns="image", operations=normalize_op)

    # 设置通道变化
    channel_swap_op = cv.HWC2CHW()
    my_data = my_data.map(input_columns="image", operations=channel_swap_op)

    # 打乱顺序shuffle
    my_data = my_data.shuffle(buffer_size=1000)

    # 切分数据集到batch_size
    my_data = my_data.batch(batch__size, drop_remainder=True)

    return my_data