pytorch stl10数据预处理

STL-10是一个常用的图像数据集，它包含10个类别的图像，每个类别有500张训练图像和800张测试图像。下面是使用PyTorch进行STL-10数据预处理的示例代码：

import torch
import torchvision.transforms as transforms
from torchvision.datasets import STL10

# 定义预处理函数
transform = transforms.Compose([
    transforms.Resize((96, 96)),  # 调整图像大小为96x96
    transforms.ToTensor(),  # 将图像转换为Tensor格式
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 对图像进行归一化
])

# 加载数据集
train_dataset = STL10(root='./data', split='train', transform=transform, download=True)
test_dataset = STL10(root='./data', split='test', transform=transform, download=True)

# 创建数据加载器
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False)

在上述代码中，我们使用了PyTorch提供的transforms模块对图像进行预处理，包括调整图像大小、转换为Tensor格式以及归一化。然后使用STL10数据集的API加载数据集，并创建数据加载器，以便于我们在训练和测试时使用。