使用torchvision 加载并预处理CIFAR-10 数据集。

以下是使用torchvision加载并预处理CIFAR-10数据集的示例代码：

import torchvision
import torchvision.transforms as transforms

# 定义预处理转换
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

# 加载训练集和测试集
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)

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)

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

这里，我们定义了一个名为“transform”的预处理转换，它将图像转换为PyTorch张量，并对其进行归一化。然后，我们使用`torchvision.datasets.CIFAR10`加载训练集和测试集，并将其传递给`torch.utils.data.DataLoader`，以便我们可以对其进行迭代。最后，我们定义了CIFAR-10数据集的类别标签。