beginner/basics/transforms_tutorial

在 Google Colab 中运行

Colab

下载 Notebook

Notebook

在 GitHub 上查看

GitHub

基础入门 || 快速入门 || 张量 (Tensors) || 数据集与数据加载器 || Transforms（变换） || 构建模型 || 自动求导 || 优化 || 保存与加载模型

转换

创建日期：2021年2月9日 | 最后更新：2026年5月7日 | 最后验证：未验证

数据并不总是以机器学习算法训练所需的最终处理形式出现。我们使用 transforms（变换） 来对数据进行一些操作，使其适合训练。

所有的 TorchVision 数据集都有两个参数——transform（用于修改特征）和 target_transform（用于修改标签）——它们接收包含变换逻辑的可调用对象。 torchvision.transforms 模块提供了多种开箱即用的常用变换。

FashionMNIST 的特征采用 PIL 图像格式，标签为整数。在训练时，我们需要将特征处理为归一化的张量，将标签处理为独热编码（one-hot encoded）张量。为了进行这些变换，我们使用 torchvision.transforms.v2 API 以及 torch.nn.functional.one_hot。

import torch
import torch.nn.functional as F
from torchvision import datasets
from torchvision.transforms import v2

ds = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=v2.Compose([v2.ToImage(), v2.ToDtype(torch.float32, scale=True)]),
    target_transform=v2.Lambda(
        lambda y: F.one_hot(torch.tensor(y), num_classes=10).float()
    ),
)

  0%|          | 0.00/26.4M [00:00<?, ?B/s]
  0%|          | 65.5k/26.4M [00:00<01:10, 376kB/s]
  1%|          | 197k/26.4M [00:00<00:43, 597kB/s]
  3%|▎         | 852k/26.4M [00:00<00:12, 2.03MB/s]
 13%|█▎        | 3.41M/26.4M [00:00<00:03, 7.00MB/s]
 35%|███▍      | 9.21M/26.4M [00:00<00:01, 16.4MB/s]
 57%|█████▋    | 15.1M/26.4M [00:01<00:00, 22.3MB/s]
 80%|███████▉  | 21.1M/26.4M [00:01<00:00, 26.2MB/s]
100%|██████████| 26.4M/26.4M [00:01<00:00, 20.0MB/s]

  0%|          | 0.00/29.5k [00:00<?, ?B/s]
100%|██████████| 29.5k/29.5k [00:00<00:00, 336kB/s]

  0%|          | 0.00/4.42M [00:00<?, ?B/s]
  1%|▏         | 65.5k/4.42M [00:00<00:11, 374kB/s]
  5%|▌         | 229k/4.42M [00:00<00:05, 703kB/s]
 20%|██        | 885k/4.42M [00:00<00:01, 2.08MB/s]
 80%|████████  | 3.54M/4.42M [00:00<00:00, 7.93MB/s]
100%|██████████| 4.42M/4.42M [00:00<00:00, 6.28MB/s]

  0%|          | 0.00/5.15k [00:00<?, ?B/s]
100%|██████████| 5.15k/5.15k [00:00<00:00, 45.1MB/s]

ToImage() 和 ToDtype()

torchvision.transforms.v2 API 用一个两步流水线取代了传统的 ToTensor 变换。v2.ToImage 将 PIL 图像或 NumPy ndarray 转换为 torchvision.tv_tensors.Image 张量，而带有 scale=True 参数的 v2.ToDtype 将其转换为 float32 类型，并将像素强度值缩放到 [0., 1.] 区间。

Lambda 变换

Lambda 变换应用任何用户定义的 lambda 函数。在此，我们使用 torch.nn.functional.one_hot 将整数标签转换为大小为 10（即我们数据集中的标签数量）的独热编码张量，然后将其转换为 float 类型以匹配预期的 dtype。

target_transform = v2.Lambda(
    lambda y: F.one_hot(torch.tensor(y), num_classes=10).float()
)

---

进一步阅读

• 变换 v2 入门

• torchvision.transforms.v2 API