有关Pytorch的功课老师能帮忙补习吗？

　　同学你好，我们的美国课程辅导老师可以帮助同学补习Pytorch相关功课。因为同学刚接触Pytorch，所以基础相对薄弱，我们的老师会根据同学的实际情况规划课程，帮助同学奠定Pytorch知识基础，随后指导同学将所学内容应用于实际操作当中。根据问题描述来看，同学目前最想了解的问题是Pytorch转换方面的内容，那么我们就先对此进行简单介绍：

　　所有TorchVision数据集都有两个参数：transform用于修改特征，target_transform用于修改标签，两者均接受包含转换逻辑的可调用对象。

　　示例：

　　import torch

　　from torchvision import datasets

　　from torchvision.transforms import ToTensor, Lambda

　　ds = datasets.FashionMNIST(

　　    root="data",

　　    train=True,

　　    download=True,

　　    transform=ToTensor(),

　　    target_transform=Lambda(lambda y: torch.zeros(10, dtype=torch.float).scatter_(0, torch.tensor(y), value=1))

　　)

　　输出：

　　ToTensor()

　　ToTensor将PIL图像或NumPy ndarray转换为FloatTensor。并在[0., 1.]范围内缩放图像的像素强度值。

　　Lambda转换

　　Lambda转换适用于任何用户定义的Lambda函数。这里，我们定义了一个函数来将整数转换为单热编码的张量。首先创建一个大小为10(数据集中标签的数量)的零张量并调用scatter_，在标签y给定的索引上赋值为1即(value=1)。

　　target_transform = Lambda(lambda y: torch.zeros(

　　    10, dtype=torch.float).scatter_(dim=0, index=torch.tensor(y), value=1))

　　以上就是Pytorch转换的简单介绍和操作示例。如果同学还有其他疑问，可以通过文章下方的微信和我们的课程辅导老师联系，老师会在第一时间进行解答哟。