transform = transforms.Compose([ transforms.Grayscale(), transforms.Resize((28, 28)), transforms.ToTensor() ])如何加载自己的数据集

假设你的自己的数据集的文件夹路径为 `./my_dataset`，其中包含了训练集和测试集两个文件夹，每个文件夹下又有多张图片。

你可以使用 PyTorch 的 `ImageFolder` 类来加载自己的数据集，代码如下：

from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader

# 定义数据增强和转换
transform = transforms.Compose([
    transforms.Grayscale(),
    transforms.Resize((28, 28)),
    transforms.ToTensor()
])

# 加载训练集数据
train_dataset = ImageFolder('./my_dataset/train', transform=transform)
train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True)

# 加载测试集数据
test_dataset = ImageFolder('./my_dataset/test', transform=transform)
test_loader = DataLoader(test_dataset, batch_size=32, shuffle=False)

其中 `ImageFolder` 类会自动扫描指定路径下的文件夹和图片，并将它们转换成数据集。你只需要指定数据增强和转换的方式，并传入文件夹路径即可。

最后，你可以通过 `DataLoader` 类来批量读取数据。在这个例子中，我们定义了一个批次大小为 32 的数据加载器，用于训练集和测试集的加载。