如何引入data_loader.transforms

在PyTorch中，`torch.utils.data.DataLoader`通常配合`torchvision.transforms`模块一起使用，用于数据预处理，比如图像缩放、裁剪、归一化等操作。如果你想在`DataLoader`中应用这些变换，首先需要做的是导入`transforms`模块：

from torchvision import transforms

接下来，你可以定义一个`Compose`对象，它是一个组合器，可以将多个转换串联起来：

transform = transforms.Compose([
    transforms.Resize((256, 256)),   # 图像大小调整
    transforms.RandomHorizontalFlip(p=0.5),  # 随机水平翻转
    transforms.ToTensor(),           # 转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

然后，当你创建`DataLoader`实例时，传入这个`transform`参数：

train_dataset = MyDataset(...)  # 假设这是你的数据集
train_loader = DataLoader(train_dataset, batch_size=32, transform=transform)