在PyTorch中，可以使用torchvision.transforms模塊來實現數據預處理。該模塊提供了一系列常用的數據預處理操作，例如圖像縮放、裁剪、旋轉、歸一化等。下面是一個簡單的示例，演示如何使用torchvision.transforms來對數據進行預處理：
import torch
from torchvision import transforms
# 定義數據預處理操作
transform = transforms.Compose([
transforms.Resize(256), # 縮放圖像大小為256x256
transforms.CenterCrop(224), # 中心裁剪圖像為224x224
transforms.ToTensor(), # 將圖像轉換為Tensor，并歸一化到[0, 1]
])
# 加載數據集
dataset = YourDataset(root='path/to/data', transform=transform)
# 創建數據加載器
data_loader = torch.utils.data.DataLoader(dataset, batch_size=32, shuffle=True)
在上面的示例中，首先定義了一個transform對象，它包含了一系列預處理操作，然后將該對象傳遞給數據集對象YourDataset的transform參數中。最后創建數據加載器時，可以將數據集對象和預處理操作傳遞給DataLoader中。這樣在每次加載數據時，數據將會自動經過預處理操作。
