PyTorch中部分方法介绍

1.torchvision.transforms.Normalize(mean, std)

mean参数：给定序列的均值，形式为（R,G,B）(并不一定是三维)

std参数：给定序列的平均标准偏差（标准差），形式为（R,G,B）(并不一定是三维)

功能：将给定的Tensor正则化，也就是按照如下公式计算：

---

2.torch.utils.data.DataLoader()

---

3.torch.nn.ReLu(flag)

   torch.nn.Tanh()

---

4.a.data.cpu()和a.cpu().data一样，都是将数据取出放到cpu，准备放到cpu计算

---

5.torch.clamp(input, min, max, out=None)，将input的tensor限定在min~max之间，如果小于这个范围，取min；大于这个范围，去max，亦可input.clamp(min,max)这样使用

---

6.nn.MSELoss(reduce)，使用是传入两个量x，y，计算（x-y)^2，如果reduce=False，直接返回向量形式的 loss；如果reduce=True，返回标量

7.nn.MaxPool2d(2)中，默认步长是2