PyTorch加载CIFAR10配置Normalize变换后访问data属性未归一化问题

PyTorch的torchvision内置数据集的transform变换仅在通过索引访问单个样本（即执行dataset[i]）时触发，数据集自带的.data属性存储的是原始加载的uint8格式像素数据，不会提前批量执行预处理逻辑，这就是你直接访问trainset.data拿到未归一化数据的原因。

方法1：按需获取单样本预处理结果 #

如果不需要一次性拿到全量数据集的预处理结果，直接通过索引访问数据集即可，返回结果就是已经过ToTensor和Normalize处理的张量：

# 返回的processed_img为形状[3, 32, 32]的张量，数值范围为[-1, 1]，符合你的预处理预期
processed_img, label = trainset[0]

方法2：批量生成全量预处理数据 #

如果你需要拿到整个数据集的归一化结果用于后续处理，可选择以下两种方案：

方案A：遍历执行预设的transform #

import torch

processed_data = []
for raw_img in trainset.data:
    processed_img = transform(raw_img)
    processed_data.append(processed_img)
# 合并为批量张量，形状为[50000, 3, 32, 32]
processed_data = torch.stack(processed_data)

方案B：直接按公式批量计算（效率更高） #

你配置的Normalize参数对应运算逻辑为(像素值/255 - 0.5)/0.5，可简化为像素值/127.5 - 1，直接对整个原始数组批量运算即可，无需循环：

import numpy as np

# 运算得到归一化后的数组，形状仍为[50000, 32, 32, 3]
processed_data = (trainset.data.astype(np.float32) / 127.5) - 1
# 如果需要和ToTensor输出一致，把通道维度移到最前面，执行以下转置
processed_data = processed_data.transpose(0, 3, 1, 2)
# 如需转成PyTorch张量，执行processed_data = torch.tensor(processed_data)即可

内容的提问来源于stack exchange，提问作者Prateek Shaw