
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人
2.2.1 准备数据
1)导入必要的模块。

2)定义一些超参数。


3)下载数据并对数据进行预处理。

说明:
● transforms.Compose可以把一些转换函数组合在一起。
● Normalize([0.5], [0.5])对张量进行归一化,这里两个0.5分别表示对张量进行归一化的全局平均值和方差。因图像是灰色的,则只有一个通道,如果有多个通道,需要有多个数字,如三个通道,应该是Normalize([m1,m2,m3], [n1,n2,n3])。
● download参数控制是否需要下载,如果./data目录下已有MNIST,可选择False。
● 用DataLoader得到生成器,可节省内存。
● torchvision及data为PyTorch的数据预处理工具。