Pytorch学习day1

pytorch中常用的包

torchvision

torchvision包包含了目前流行的数据集，模型结构和常用的图片装换工具。
torchvision.datasets 包含数据集：

• MNIST
• COCO
• LSUN Classification
• ImageFolder
• ImageNet-12
• CIFAR10 and CIFAR100
• STL10
  由于以上datasets都是torch.utils.data.Dataset的子类，可以通过torch.utils.data.DataLoader使用多线程。
  例如：

    torch.utils.data.DataLoader(coco_cap, batch_size=args.batchSize, shuffle=True, num_workers=args.nThreads)

也可以将自己的数据集，调用DataLoader函数。具体步骤请参看multi_label_classifier.py及dataset_processing.py1
。

torchvision.transforms 对PIL.Image进行变换：

• torchvision.transforms.Compose(transforms): 将多个transforms组合起来
• torchvision.transforms.CenterCrop(size):将给定的PIL.Image进行中心切割，得到给定的size的图片。
• torchvision.transforms.RandomCrop(size):切割中心点的位置随机选取。
• torchvision.transforms.ToTensor():将取值范围是[0,255]的PIL.Image或者shape为（H,W,C）的numpy.ndarray，装换成shape为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor。
• torchvision.transforms.ToPILImage():将shape为[C,H,W]的Tensor或shape为（H,W,C）装换成shape为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor。