PyTorch/SpykeTorch中的DataLouder:转换数据提取问题

Question

同事们，我在PyTorch和SpykeThorch(基于PyTorch(中使用神经网络，我需要创建图像数据集并将其放置在DataLouders中进行进一步处理。完整的过程如下：
1.生成张量，
2.使用torchvision.transforms.ToPILImage((对其进行转换，
3.将创建的图像保存到目录中，
4.基于具有图像转换的目录创建ImageFolder(使用过滤器(，
5.从ImageFolder创建DataLoader。

image_set = torch.rand([10000, 28, 28], dtype=torch.float)   
path = './data/images/'  
os.makedirs(path)  

tTPI = torchvision.transforms.ToPILImage()   

for i in range(n):   
single_image = tTPI(image_set[i])     
image_file = path+f'pic_{i}.jpg'   
saved_image = single_image.save(f'{path}pic_{i}.jpg')    
kernels = [ SpykeTorch.utils.DoGKernel(7,1,2),
SpykeTorch.utils.DoGKernel(7,2,1)]
filter = SpykeTorch.utils.Filter(kernels, padding = 3, thresholds = 50)
s1 = S1Transform(filter)
RandomImageFolder = ImageFolder(root='./data/', transform = s1)  
RandomDataLoader = DataLoader(RandomImageFolder, batch_size=len(RandomImageFolder))   

此外，来自DataLoader的数据被用于工作中(例如，它被神经网络识别(。

for data, target in RandomDataLoader:
prediction_X, prediction_y = predict(model, data, target)

问题是，当从DataLoader中取出数据和标签时，会出现错误：

RuntimeError: Given groups = 1, weight of size [2, 1, 7, 7], expected input [1, 3, 28, 28] to have 1 channels, but got 3 channels instead

根据维度[1，2，7，7]判断，错误发生在阶段4，其中使用一组滤波器进行变换
但是，在这种情况下使用不同的筛选器集不会导致任何错误
如何在不更改筛选器的情况下解决问题？

Answer 1

问题是，当加载到ImageFolder中时，生成的*.jpg文件被视为RGB，大小为[1，3，28，28]，而不是[1，1，28，28]。

我在转换中添加了：

from PIL import ImageOps

gray_image = ImageOps.grayscale(image)