如何获取PyTorch中FashionMNIST数据集的transform等超参数配置？

为什么FashionMNIST官方文档页没有transform参数的详细说明 #

transform是torchvision所有内置数据集通用的继承参数，它的定义和规则写在父类VisionDataset的逻辑中，所以不会单独在FashionMNIST的子类文档页重复说明。

transform参数支持的传入值 #

该参数要求传入输入为PIL图像、输出为处理后数据的可调用对象，除了ToTensor()外，常用的可选值包括：

• 数据预处理类：
  • Normalize()：对张量按预设的均值和标准差做逐通道归一化，加速模型训练收敛
  • Resize()：调整图像到指定尺寸
  • Grayscale()/RGB()：调整图像的通道数
• 数据增强类（仅建议训练集使用）：
  • RandomHorizontalFlip()：按设定概率随机水平翻转图像
  • RandomCrop()/RandomResizedCrop()：随机裁剪图像
  • ColorJitter()：随机调整图像的亮度、对比度、饱和度
• 自定义可调用对象：你自行实现的符合输入输出规则的转换逻辑，比如添加随机噪声、自定义掩膜等操作
  如果需要依次执行多个转换操作，可以用transforms.Compose()将多个操作按顺序封装为一个组合对象，示例用法如下：

from torchvision import transforms

# 训练集转换逻辑：先随机翻转，转张量，再做单通道归一化
train_transform = transforms.Compose([
    transforms.RandomHorizontalFlip(p=0.5),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.286], std=[0.353])
])

相关信息查询位置 #

1. torchvision.transforms模块的官方文档：所有内置转换操作的参数、用法、适用场景都有完整说明
2. VisionDataset基类的官方文档：transform参数的定义、调用时机、传入规则的底层说明

内容的提问来源于stack exchange，提问作者JAEMTO