在PyTorch中，加載圖片數據通常需要使用torchvision庫中的datasets和transforms模塊。以下是一個簡單的示例代碼，演示如何加載圖片數據：
import torch
from torchvision import datasets, transforms
# 定義數據轉換
transform = transforms.Compose([
transforms.Resize((224, 224)), # 將圖片大小調整為224x224
transforms.ToTensor(), # 將圖片轉換為Tensor格式
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 對圖片進行標準化
])
# 加載數據集
train_data = datasets.ImageFolder(root='path/to/train_dataset', transform=transform)
test_data = datasets.ImageFolder(root='path/to/test_dataset', transform=transform)
# 創建數據加載器
train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_data, batch_size=64, shuffle=False)
# 遍歷數據加載器
for images, labels in train_loader:
# 處理圖片數據
pass
在上述代碼中，首先定義了數據轉換transform，然后使用ImageFolder類加載了訓練集和測試集的圖片數據，并通過DataLoader創建了數據加載器。最后，可以通過遍歷數據加載器來處理圖片數據。
