在 Torch 中，可以使用 torchvision.transforms 模塊來對數據進行預處理。常見的數據預處理操作包括：
transforms.Resize 和 transforms.CenterCrop。transforms.RandomHorizontalFlip 和 transforms.RandomRotation。transforms.Grayscale 和 transforms.Normalize。transforms.ToTensor。以下是一個示例，展示如何使用 transforms 對數據進行預處理：
import torchvision.transforms as transforms
# 定義預處理操作
data_transform = transforms.Compose([
transforms.Resize(256), # 將圖片縮放為 256x256
transforms.CenterCrop(224), # 將圖片裁剪為 224x224
transforms.RandomHorizontalFlip(), # 隨機水平翻轉圖片
transforms.ToTensor(), # 將圖片轉換為張量
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) # 歸一化圖片像素值
])
# 加載數據集并應用預處理操作
train_dataset = torchvision.datasets.ImageFolder(root='path/to/train/data', transform=data_transform)
