pytorch的数据集预处理操作代码

以下是一个示例pytorch数据集预处理操作的代码：

import torch
from torchvision import transforms
from torch.utils.data import DataLoader
from torchvision.datasets import MNIST

# 定义数据集预处理操作
transform = transforms.Compose([
    transforms.ToTensor(),  # 将数据转换为PyTorch张量
    transforms.Normalize((0.1307,), (0.3081,))  # 标准化数据
])

# 加载MNIST数据集
train_data = MNIST('./data', train=True, download=True, transform=transform)
test_data = MNIST('./data', train=False, download=True, transform=transform)

# 创建数据集加载器
train_loader = DataLoader(train_data, batch_size=64, shuffle=True)
test_loader = DataLoader(test_data, batch_size=64, shuffle=False)

在上面的代码中，我们首先定义了一个`transforms.Compose`对象，该对象包含两个操作：`transforms.ToTensor()`将数据转换为PyTorch张量，`transforms.Normalize()`标准化数据。然后我们加载了MNIST数据集并使用定义的预处理操作进行转换。最后，我们创建了两个数据集加载器，一个用于训练数据，一个用于测试数据。