问题描述
mxnet的transforms.ToTensor()实例可以用来改变数据的布局，将最后一维移到最前一维，从(h, w, c)变为(c, h, w)。
但是，为什么mxnet要这样在“加载”和“训练”数据时，使用不一样的布局呢？不会多此一举吗？
参考
mxnet 中提供了直接从目录中读取数据并进行训练的 API 这里使用的API如下。
这里使用了两个数据集，分别代表 train、validation。
需要注意的是，由于 数据中，使用的图像数据集，其数值在（0， 255）之间。同时，mxnet 用 opencv 来处理图像的加载，其图像的数据 layout 是（H，W，C），而 mxnet 用来训练的数据需要是（C，H，W）的，因此需要对数据做一些转换。另外，train 数据集做了一定的数据预处理（旋转、明暗度），用于进行数据增广，也做了数据打乱（shuffle），而 validation则不需要做类似的变换。
ToTensor这个操作会转换数据的 layout，因此要放在最后面。
版权声明：本文为CSDN博主「_dwSun_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/dvd_sun/article/details/105799861
