适合：需要预处理数据、适配模型输入格式的 PyTorch 新手核心内容：Transforms 核心作用、ToTensor 张量转换、Lambda 自定义标签变换一、Transforms 核心概念数据并非总能以训练机器学习算法所需的最终处理形式呈现。我们使用transforms对数据进行预处理，使其适配模型训练的要求。TorchVision 所有数据集都包含两个关键参数：transform：用于修改特征数据（如图像）；target_transform：用于修改标签数据（如类别编号）。这两个参数接收包含变换逻辑的可调用对象（如函数、类实例）。torchvision.transforms模块内置了多种常用的变换方法，可直接开箱即用。二、实战案例：FashionMNIST 数据变换2.1 场景背景（原文翻译）FashionMNIST 数据集的原始格式：特征：PIL 图像格式；标签：整数类型（0-9 对应 10 类服装）。模型训练要求：特征：归一化的张量（FloatTensor）；标签：独热编码（One-Hot Encoded）张量。为此，我们使用ToTensor处理特征，Lambda处理标签。2.2 完整代码（附翻译+注释）importtorchfromtorchvisionimportdatasetsfromtorchvision.transformsimportToTensor,Lambda# 加载FashionMNIST并应用数据变换ds=datasets.FashionMNIST(root="data",# 数据存储根目录train=True,# 加载训练集download=True,