PyTorch4 Transforms 保姆级教程｜ToTensor Lambda 实战

适合：需要预处理数据、适配模型输入格式的 PyTorch 新手
核心内容：Transforms 核心作用、ToTensor 张量转换、Lambda 自定义标签变换

一、Transforms 核心概念

数据并非总能以训练机器学习算法所需的最终处理形式呈现。我们使用transforms对数据进行预处理，使其适配模型训练的要求。

TorchVision 所有数据集都包含两个关键参数：

• transform：用于修改特征数据（如图像）；
• target_transform：用于修改标签数据（如类别编号）。

这两个参数接收包含变换逻辑的可调用对象（如函数、类实例）。torchvision.transforms模块内置了多种常用的变换方法，可直接开箱即用。

二、实战案例：FashionMNIST 数据变换

2.1 场景背景（原文翻译）

FashionMNIST 数据集的原始格式：

• 特征：PIL 图像格式；
• 标签：整数类型（0-9 对应 10 类服装）。

模型训练要求：

• 特征：归一化的张量（FloatTensor）；
• 标签：独热编码（One-Hot Encoded）张量。

为此，我们使用ToTensor处理特征，Lambda处理标签。

2.2 完整代码（附翻译+注释）

importtorchfromtorchvisionimportdatasetsfromtorchvision.transformsimportToTensor,Lambda# 加载FashionMNIST并应用数据变换ds=datasets.FashionMNIST(root="data",# 数据存储根目录train=True,# 加载训练集download=True,<