DataLoader resize

在使用DataLoader加载数据时，可以使用transforms.Resize()函数来调整图像的大小。transforms.Resize()函数可以接受一个整数作为参数，表示调整后的图像的较短边的大小。例如，如果要将图像调整为256x256的大小，可以使用transforms.Resize(256)。

下面是一个示例代码，展示了如何使用transforms.Resize()函数来调整图像的大小并加载数据：

import torchvision.transforms as transforms
from torch.utils.data import DataLoader

# 定义数据预处理的transforms
transform = transforms.Compose([
    transforms.Resize(256),  # 调整图像大小为256x256
    transforms.ToTensor()  # 转换为Tensor
])

# 加载数据集
dataset = datasets.ImageFolder(train_dir, transform=transform)

# 创建DataLoader
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

在上面的代码中，我们首先定义了一个transforms.Compose()对象，其中包含了一个transforms.Resize()函数来调整图像大小为256x256。然后，我们使用datasets.ImageFolder()函数加载数据集，并将之前定义的transforms对象传递给transform参数，以便在加载数据时进行预处理。最后，我们使用torch.utils.data.DataLoader()函数创建了一个DataLoader对象，用于批量加载数据。

请注意，上述代码中的train_dir是指示训练数据集的路径，你可以根据自己的数据集路径进行相应的修改。