最近写代码又遇见了这个问题，又忘记了，于是写一篇博客记录一下。
一般我们使用pytorch获取CIFAR10数据集，一般这样写：
mean = [0.4914, 0.4822, 0.4465]
std = [0.2023, 0.1994, 0.2010]
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize(mean=mean, std=std)])
dst_train = datasets.CIFAR10(data_path, train=True, download=True, transform=transform)
dst_test = datasets.CIFAR10(data_path, train=False, download=True, transform=transform)
最后出来的结果都是小数和xxx数。
Q1. 数据从读入到处理结束
如果使用了ToTensoer，那么会将原始数据都归一化到0~1的范围内，数据都将除以255。
归一化之后，就是标准化，我们使用Normalize并传入mean和std，公式是：
o
u
t
p
u
t
=
i
n
p
u
t
−
m
e
a
n
s
t
d
output = \frac{input -mean}{std}
output=stdinput−mean
注意！input已经被除255了。
这样就得到了最后的结果。
Q.2 如何访问原始数据
其实数据一直都没有被修改，当你使用
dst_train = datasets.CIFAR10(data_path, train=True, download=True, transform=transform)
得到一个训练集的时候，原始数据并没有被transform，数据其实一直保存在dst_train.data里
在迭代或者通过下标获取数据时，才会使用transform来修改数据。
这个类维持一个data原始数据，因此有时候如果要修改数据，其实没必要去修改标准化后的数据，直接修改.data即可。
如果有人做的是后门攻击，可以尝试一下重写CIFAR10数据集的类，重写__getitem__ 即可。
