pytorch加载图片数据集

在 PyTorch 中，可以使用 `torchvision` 库来加载常用的图像数据集，同时也提供了数据的预处理方法。

下面是一个加载 CIFAR-10 数据集的示例代码：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据预处理方式
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

# 加载训练集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

# 加载测试集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

# 类别标签
classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

在代码中， `transforms` 模块提供了一系列对数据进行预处理的方法，这里使用了 `ToTensor()` 将图像转换为张量，并使用 `Normalize()` 对数据进行归一化处理。

使用 `torchvision.datasets` 模块可以加载常用的数据集，如 CIFAR-10，ImageNet 等。 `DataLoader` 则提供了对数据进行批处理的功能，可以通过设置 `batch_size` 来指定每个批次的大小。

最后，我们可以通过 `classes` 变量来获取不同类别的标签信息。