cifar100 预处理 pytorch

CIFAR-100是一个广泛用于计算机视觉任务的数据集，它包含60000张32x32彩色图像，分为100个类别。在PyTorch中预处理CIFAR-100通常包括以下几个步骤：

1. **数据加载**：
使用`torchvision.datasets.CIFAR100(root, train=True, download=True)`下载并加载数据，其中`root`是你存储数据的位置，`train`表示是否加载训练集。

2. **数据转换**：
- `transform`：对每个图像进行标准化，如归一化到[0, 1]范围，并可能进行随机增强，例如裁剪、翻转等，可以使用`torchvision.transforms.Compose`来组合多个变换操作。

   transform = transforms.Compose([
       transforms.ToTensor(),  # 转换为 PyTorch tensor
       transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 归一化
   ])

3. **数据加载器**：
将数据和标签打包成批次，并创建一个Dataloader实例，以便在训练循环中迭代。

   train_data = CIFAR100(root='./data', train=True, transform=transform)
   train_loader = torch.utils.data.DataLoader(train_data, batch_size=100, shuffle=True)
   test_data = CIFAR100(root='./data', train=False, transform=transform)
   test_loader = torch.utils.data.DataLoader(test_data, batch_size=100)

4. **数据查看**：
可能需要验证数据预处理是否正确，你可以取一个小批量数据来查看效果。

for images, labels in train_loader:
    break
images = images.numpy()  # 查看数据样例