pytorch加载Mnist数据集以及batch可视化

写在前面

当自己只是看别人的代码时，觉得自己好像都懂，等到自己动手，连Mnist数据集都不能很好地导入，哭/(ㄒoㄒ)/~~
 

1.通道中数值的归一等

transforms.ToTensor()
# 会使通道数值变为[0,1]

transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
# 相当于在3个通道进行均值为0.5，标准差为0.5的归一化，归一化之后[-1,1]

plt.imshow()
# 在使用imshow()时，其数据应该为[0,1]的浮点数，因此必须在上述基础上进行以下操作

img = img / 2 + 0.5
# 将[-1,1]的取值范围，转为[0,1]，以供imshow

2.将灰度图转化为RGB图

transforms.Lambda(lambda x: x.repeat(3, 1, 1))
# 复制一个通道的数据到三个通道

3.从img数据到imshow可以输出数据

plt.imshow(np.transpose(npimg, (1, 2, 0)))
# (1,2,0)是指将原来1维数据放在现在的0维，以此类推

在plt.imshow在现实的时候输入的是（imagesize,imagesize,channels），而参数img的格式为（channels,imagesize,imagesize），两者的格式不一致，需要调用np.transpose函数进行格式转化。
 

4.查看Dataloader加载后的一个batch数据

images,