如何使用PyTorch实现MNIST数据集的负片转换？

没问题，我来帮你一步步解决生成MNIST负片的问题，先从你关心的数据类型说起，再讲两种常用的负片生成方法：

一、先搞清楚当前数据集的数据类型 #

你用了transforms.ToTensor()，这个操作会把MNIST原本0-255范围的uint8格式PIL图像，转换成0-1范围的torch.float32张量。你可以快速验证这一点：

# 取出一个样本查看
sample_image, sample_label = train_set[0]
print(f"数据类型: {sample_image.dtype}")
print(f"像素值范围: {sample_image.min()} ~ {sample_image.max()}")

运行后会输出torch.float32和0.0 ~ 1.0，这是PyTorch处理图像数据的标准格式，也方便后续模型计算。

二、生成负片的两种方法 #

因为像素已经被归一化到0-1，所以负片的计算逻辑是1 - 像素值（对应原始255范围的255 - 原始像素值），下面是两种可行的实现方式：

方法1：自定义Transform，加载数据集时直接生成负片 #

这种方法最优雅，相当于把负片处理整合到数据加载流程里，后续使用DataLoader时拿到的直接就是负片数据：

import torchvision as tv
import torch
from torchvision import transforms

# 方式A：用Lambda Transform快速实现
transform = transforms.Compose([
    transforms.ToTensor(),  # 先转成0-1的float张量
    transforms.Lambda(lambda x: 1 - x)  # 生成负片
])

# 方式B：自定义Transform类（更适合复杂逻辑扩展）
class NegativeImageTransform:
    def __call__(self, tensor):
        return 1 - tensor

# 替换成自定义类的写法
transform = transforms.Compose([
    transforms.ToTensor(),
    NegativeImageTransform()
])

# 重新加载数据集
train_set = tv.datasets.MNIST(root="./data", train=True, download=True, transform=transform)
test_set = tv.datasets.MNIST(root="./data", train=False, download=True, transform=transform)

# 初始化DataLoader（和你原来的代码一致即可）
train_dl = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)
val_dl = torch.utils.data.DataLoader(test_set, batch_size=1000, shuffle=False)

方法2：迭代DataLoader时临时生成负片 #

如果你不想修改原始数据集，只是在使用时临时生成负片，可以在遍历DataLoader的时候处理：

# 保持你原来的数据集和DataLoader代码不变
for images, labels in train_dl:
    # 对当前batch的图像生成负片
    negative_images = 1 - images
    # 接下来就可以用negative_images做训练、可视化等操作了

小提示：验证负片效果 #

如果想确认负片是否生成正确，可以用matplotlib可视化看看：

import matplotlib.pyplot as plt

# 取一个原始样本和负片样本对比
original_image = tv.datasets.MNIST(root="./data", train=True, download=True, transform=transforms.ToTensor())[0][0]
negative_image = 1 - original_image

plt.subplot(1,2,1)
plt.imshow(original_image.squeeze(), cmap="gray")
plt.title("Original")

plt.subplot(1,2,2)
plt.imshow(negative_image.squeeze(), cmap="gray")
plt.title("Negative")
plt.show()

内容的提问来源于stack exchange，提问作者Michael