一、torchvision包
torchvision包,是服务于PyTorch深度学习框架的,主要用来构建计算机视觉模型。
torchvision.datasets:一些加载数据的函数及常用的数据集接口;
torchvision.models:包含常用的模型结构(含预训练模型),例如AlexNet、VGG、ResNet等;
torchvision.transforms:常用的图片转换,例如裁剪、旋转等;
torchvision.utils:其他的一些有用的方法
下载数据集:
trans = transforms.ToTensor() # 该实例将图像数据从PIL类型变换成32位浮点数
mnist_train = torchvision.datasets.FashionMNIST(root="../data",
train = True,
transform = trans,
download= True)
mnist_test = torchvision.datasets.FashionMNIST(root="../data",
train = False,
transform = trans,
download= True)
二、torch基础函数
- torch.normal(mean=0.,std=1.,size=(2,2))
mean是均值,std是方差,size是生成的数据的size
应用:用来初始化w权重:
# 生成均值位0,方差位0.01,shape为 [input,output]梯度可更新的数据组合
w = torch.normal(0,0.01,size = (num_inputs,num_outputs),requires_grad=True)
- torch.zeros(size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
返回一个形状为为size,类型为torch.dtype,里面的每一个值都是0的tensor
应用:初始化b权重
b = torch.zeros(num_outputs,requires_grad=True)
- torch.exp(x)
是一个以自然数e为底的log函数