加载图片数据集，使用ToTensor后，从dataloader中取出数据，发现取出来的数据范围为[0,1]

例如加载MNIST数据集：

import torchvision.datasets
import numpy as np
import torch
from torch.utils.data import DataLoader

# preprocess transform
initial_process = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

# train set
train_dataset = torchvision.datasets.MNIST(root="./dataset",download=True,transform=torchvision.transforms.ToTensor(),
                                           train=True)

# data set
test_dataset = torchvision.datasets.MNIST(root="./dataset",download=True,transform=initial_process,
                                          train=False)


train_loader = DataLoader(
    train_dataset, batch_size=1, shuffle=True
)

test_loader = DataLoader(
    test_dataset, batch_size=1,shuffle=False
)


# 打印数据集长度
print("训练集长度为",train_dataset.__len__())
print("测试集长度为",test_dataset.__len__())

# 打印数据集标准差以及均值
print(train_dataset.data.dtype)
print(train_dataset.data.float().mean())
print(train_dataset.data.float().std())


#
for data,targets in train_loader:
    print(data.dtype)
    print(targets)

会发现，直接打印数据集data的dtype,发现为torch.uint8[0,255]

但是从dataloader中取出来之后，数据类型就变为了torch.float32[0,1]  

所以估计DataLoader会调用dataset的transform对dataset进行变换