我正在处理一个图像分类数据集。我的数据集中有31个类别，每个类别都有一个对应的文件夹。训练时，我以如下方式加载数据：

from torchvision import datasets, transformsimport torchdef load_training(root_path, dir, batch_size, kwargs):    transform = transforms.Compose(        [transforms.Resize([256, 256]),         transforms.RandomCrop(224),         transforms.RandomHorizontalFlip(),         transforms.ToTensor()])    data = datasets.ImageFolder(root=root_path + dir, transform=transform)    train_loader = torch.utils.data.DataLoader(data, batch_size=batch_size, shuffle=False, drop_last=True, **kwargs)    return train_loader

现在对于批量大小为32的情况，每个批次的维度是：[32,3,224,224]。我知道PyTorch使用PIL来加载图像。但是当我尝试从名为images的包含32个图像的列表中使用PIL加载图像时，使用以下代码片段：

for i in images:    im = Image.open(root_dir + dir + i)    im = im.convert('RGB')    im.load()    im = im.resize((224, 224))    im = np.asarray( im, dtype="int32" )    print(im.shape)    temp_im_2 = torch.from_numpy(np.array(temp_im)).float()

它显示im.shape是(32,224,224,3)。我哪里做错了？我应该怎么做才能使两种情况下的批次具有相同的形状，比如[32,3,224,224]？

回答：

为什么不尝试交换轴呢？如果im有四个维度，可以使用im.transpose(0, 3, 1, 2)。然而，由于你只加载了一张图像，im.shape应该返回(224, 224, 3)，所以im.transpose(2, 0, 1)应该能将通道维度移到第一位，然后你可以将这些图像堆叠起来形成一个批次。