如何将CIFAR10数据集完整转换为PyTorch张量？

你用datasets.CIFAR10得到的是PyTorch的Dataset对象，它是存储样本的容器——每个样本会被transforms.ToTensor()转为张量，但整个数据集本身并不是单一张量，这就是torch.is_tensor(trainset)返回False的原因。

以下是两种将整个CIFAR10数据集转为张量的方法：

方法一：直接提取并拼接为张量 #

CIFAR10的Dataset类内置了data（存储原始图像的numpy数组）和targets（存储标签的列表）属性，可以直接提取并转换为张量：

import torch
from torchvision import datasets, transforms

# 加载数据集
trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transforms.ToTensor())

# 转换图像数据：从(50000, 32, 32, 3)的numpy数组转为(50000, 3, 32, 32)的张量，并归一化到0-1
train_images = torch.tensor(trainset.data).permute(0, 3, 1, 2).float() / 255.0
# 转换标签为张量
train_labels = torch.tensor(trainset.targets)

# 打包成完整的数据集张量对
full_dataset = (train_images, train_labels)

注：permute(0,3,1,2)是为了把numpy的HWC（高度、宽度、通道）格式转为PyTorch常用的CHW（通道、高度、宽度）格式，/255.0则和transforms.ToTensor()的归一化逻辑一致。

方法二：用DataLoader批量拼接（适合大内存压力场景） #

如果担心一次性加载整个数据集占用过多内存，可以用DataLoader一次性加载所有样本并拼接：

from torch.utils.data import DataLoader

# 用数据集长度作为batch size，一次性加载所有样本
train_loader = DataLoader(trainset, batch_size=len(trainset), shuffle=False)
# 获取完整的图像和标签张量
train_images, train_labels = next(iter(train_loader))

注意事项 #

• 对于CIFAR10这类小型数据集，两种方法都可行；但如果是ImageNet这类超大规模数据集，不建议转为单一张量，会导致内存溢出，优先使用Dataset+DataLoader的迭代方式。
• 多数PyTorch模型默认接受批次张量输入，如果你只是为了适配模型，直接用DataLoader分批传入即可，不需要转成整个数据集的张量。

内容的提问来源于stack exchange，提问作者greens trial