Python TensorDataset上的Pytork变换

我正在使用从numpy数组创建数据集

# convert numpy arrays to pytorch tensors
X_train = torch.stack([torch.from_numpy(np.array(i)) for i in X_train])
y_train = torch.stack([torch.from_numpy(np.array(i)) for i in y_train])

# reshape into [C, H, W]
X_train = X_train.reshape((-1, 1, 28, 28)).float()

# create dataset and dataloaders
train_dataset = torch.utils.data.TensorDataset(X_train, y_train)
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64)

如何将数据扩充（）应用于

TensorDataset

例如，使用，我可以将转换指定为其参数之一

torchvision.dataset.ImageFolder（root，transform=…）

根据PyTorch的一名团队成员的说法，默认情况下不支持它。有没有其他办法

请随时询问是否需要更多代码来解释问题。

默认情况下，

TensorDataset

不支持转换。但是我们可以创建自定义类来添加该选项。但是，正如我已经提到的，大多数转换都是为

PIL.Image

开发的。但无论如何，这里有一个非常简单的MNIST示例，带有非常虚拟的变换。带有MNIST的csv文件

代码：

将numpy导入为np
进口火炬
从torch.utils.data导入数据集，TensorDataset
进口火炬视觉
导入torchvision.transforms作为变换
将matplotlib.pyplot作为plt导入
#从cvs文件导入mnist数据集并将其转换为torch张量
将open（'mnist_train.csv'，'r'）作为f：
mnist_train=f.读线（）
#图像
X_列=np.array（[[float（j）表示i.strip（）中的j.split（'，'）][1:]表示mnist_列中的i]）
X_列=X_列。重塑（（-1,1,28,28））
X_列=火炬张量（X_列）
#标签
y_列=np.数组（[int（i[0]），用于mnist_列中的i）
y_train=y_train.整形（y_train.shape[0]，1）
y_列=火炬张量（y_列）
德尔姆尼斯特火车
类CustomTensorDataset（数据集）：
“”“支持转换的TensorDataset。”。
"""
def uuu init uuuu（自、张量、变换=无）：
断言所有（张量[0]。大小（0）=张量。大小（0）表示张量中的张量）
自张量=张量
self.transform=transform
定义uu获取项目uu（自身，索引）：
x=自张量[0][index]
如果自我转换：
x=自转换（x）
y=自张量[1][index]
返回x，y
定义（自我）：
返回self.tensors[0]。大小（0）
def imshow（img，标题=“”）：
“”“打印图像批处理。”。
"""
plt.图（figsize=（10,10））
标题（标题）
plt.imshow（np.transpose（img.numpy（），（1,2,0）），cmap='gray'）
plt.show（）
#数据集不带任何转换
序列数据集\u normal=CustomTensorDataset（张量=（X\u序列，y\u序列），transform=None）
列车装载机=torch.utils.data.DataLoader（列车数据集正常，批量大小=16）
#迭代
对于i，枚举中的数据（列装载机）：
x、 y=数据
imshow（torchvision.utils.make_grid（x，4），title='Normal'）
我们只需要一批
#让我们添加一些变换
#具有翻转变换的数据集
def vflip（张量）：
“”“垂直翻转张量。
"""
张量=张量翻转（1）
返回张量
def hflip（张量）：
“”“水平翻转张量。
"""
张量=张量翻转（2）
返回张量
序列数据集\u vf=CustomTensorDataset（张量=（X\u序列，y\u序列），变换=vflip）
火车装载机=torch.utils.data.DataLoader（火车数据集=vf，批量=16）
结果=[]
对于i，枚举中的数据（列装载机）：
x、 y=数据
imshow（torchvision.utils.make_grid（x，4），title='Vertical flip'）
打破
序列数据集\u hf=自定义张量数据集（张量=（X\u序列，y\u序列），变换=hflip）
火车装载机=torch.utils.data.DataLoader（火车数据集=hf，批量=16）
结果=[]
对于i，枚举中的数据（列装载机）：
x、 y=数据
imshow（torchvision.utils.make_grid（x，4），title='Horizontal flip'）
打破

输出：

---

另一个问题是，没有太多的变换可以应用于张量，其中大多数是面向PIL的。谢谢你的回答。它起作用了。一个补充：您不需要定义新的转换函数，例如

vfilp

，torchvision.transforms提供的那些。transforms可以工作，唯一的条件是首先通过转换。