在加载MNIST数据集时，发现即便传入了transform参数，img并未像预期那样被压缩到(0,1)，仔细研究一番，终于找到问题。在这个过程中，发现许多“技术博客”人云亦云，不求甚解，因此分享出来，若有错误，也望指正。
1. 疑问
通常我们这样来加载MNIST数据集：
# 训练集train_data = torchvision.datasets.MNIST(root = r'D:\backup\Desktop\cnn',train = True, # True为下载训练集，False为下载测试集transform = torchvision.transforms.ToTensor(), # 预处理download = False # 是否需要下载)
其中，对于torchvision.transforms.ToTensor()的介绍，大多是：
“把PIL.Image或者numpy.narray数据类型转变为torch.FloatTensor类型，shape是CHW，数值范围缩小为[0.0, 1.0]”
然而，经过实验发现img的scale并无变化，具体如下：
可以看出，img的范围依然是(0,255)。
2. 溯源
从源头排查原因，先看下MNIST类中关于data的定义：
if self._check_legacy_exist():self.data, self.targets = self._load_legacy_data()return
进一步查看_load_legacy_data()：
def _load_legacy_data(self):# This is for BC only. We no longer cache the data in a custom binary, but simply read from the raw data# directly.data_file = self.training_file if self.train else self.test_filereturn torch.load(os.path.join(self.processed_folder, data_file))
可以看出，直接return了数据集本身，并没有经过特别处理，所见即所得，说好的transform呢？
再回头查看MNIST类，发现其有一个_getitem_()函数：
def __getitem__(self, index: int) -> Tuple[Any, Any]:"""Args:index (int): IndexReturns:tuple: (image, target) where target is index of the target class."""img, target = self.data[index], int(self.targets[index])# doing this so that it is consistent with all other datasets# to return a PIL Imageimg = Image.fromarray(img.numpy(), mode='L')if self.transform is not None:img = self.transform(img)if self.target_transform is not None:target = self.target_transform(target)return img, target
从函数中可以看出，若transform不为空，则将img传入transform函数，最后连同标签一起return。值得注意的是，在img传入transform前为Image类型，并不是torch类型，经过transform后变为torch类型。测试一下：
果然，此时的img是被归一化了的。需要注意的是，train_data[0]是一个长度为2的tuple，第一个是img，第二个是target：
我们再测试一下加载数据集时不传入transform参数：
train_data = torchvision.datasets.MNIST(root = r'D:\backup\Desktop\cnn',train = True, # True为下载训练集，False为下载测试集# transform = torchvision.transforms.ToTensor(), # 预处理download = False # 是否需要下载)
再查看train_data[0]：
发现此时img果然还是Image类型。
