CIFAR10 数据集预处理：数据增强与归一化

这段代码是用于对 CIFAR10 数据集进行数据预处理的，包括训练集和测试集。其中，训练集采用了数据增强的方式，包括随机裁剪（'tv.transforms.RandomCrop'）和随机水平翻转（'tv.transforms.RandomHorizontalFlip'），以增加模型的泛化能力。在数据预处理过程中，还进行了归一化操作（'tv.transforms.Normalize'），将像素值转换为均值为0、方差为1的标准正态分布。这样做的好处是可以加速模型的训练，使得梯度下降更加稳定。最后，训练集和测试集都使用了相同的归一化方式进行预处理，以保证数据的一致性。

            # transforms.RandomCrop： 切割中心点的位置随机选取
            tv.transforms.RandomCrop(32, padding=4), tv.transforms.RandomHorizontalFlip(),
            tv.transforms.ToTensor(),
            # transforms.Normalize： 给定均值：(R,G,B) 方差：（R，G，B），将会把Tensor正则化
            tv.transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),
        ])
        transform_test = tv.transforms.Compose([
            tv.transforms.ToTensor(),
            tv.transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)),
        ])
        train_dataset = tv.datasets.CIFAR10(dir, train=True, download=True, transform=transform_train)
        eval_dataset = tv.datasets.CIFAR10(dir, train=False, transform=transform_test)