如何更改PyTorch中的DataLoader以读取一张图像进行预测？

import torch
from torchvision import transforms
from PIL import Image

transform = transforms.Compose([
    transforms.Resize((224, 224)),  # 调整图像大小为224x224像素
    transforms.ToTensor(),  # 将图像转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 标准化图像
])

image = Image.open('image.jpg')  # 加载图像
image = transform(image)  # 应用预处理转换操作
image = image.unsqueeze(0)  # 添加一个维度以匹配模型的输入要求

class ImageDataset(torch.utils.data.Dataset):
    def __init__(self, image):
        self.image = image

    def __len__(self):
        return 1

    def __getitem__(self, idx):
        return self.image

dataset = ImageDataset(image)  # 创建自定义数据集
dataloader = torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False)  # 创建数据加载器