pyTorch常用工具包

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