Pytorch学习笔记1

torch

torch.Tensor：Tensor变量的定义与计算

- - - Tensor变量的定义

Tensor变量是pytorch模型中用于输入输出以及更新的变量。在将数据送入网络模型前，我们需要将不是Tensor的变量转换成Tensor变量。

torch.transforms: 对输入的数据进行变换

注：计算机视觉中我们处理的大部分数据是图片类的，而在pytorch中，我们处理的数据需要是Tensor类型。除此之外，我们仍然需要对数据进行变换。

- - - torchvision.transforms.Compose:容器，同时对多种数据变换进行组合。

inputs：转入的参数是一个列表，列表中的元素是对载入的数据进行的各种变换参数。

torch.autograd：Variable变量的定义与计算

- - - Variable

网络中一切需要更新的变量且从这些变量中衍生的变量都是Variable变量。
torch.nn可以搭建一种静态的网络模型，torch.autograd使得我们的网络模型动态可更新。

requires_grad: bool,false代表自动梯度计算过程中不会计算梯度值
X.data以及X.grad.data：
X.grad.data.zero_()：将一次更新后的梯度清零，不然会累加

torch.nn：网络的搭建与封装

torch.optim：网络参数的自动更新与优化方法

torchvision：数据的处理、导入和预览

torchvision.datasets:数据的获取。下载并加载数据的训练集以及测试集

torchvision.datasets.ImageFolder(root=“root folder path”, [transform, target_transform])。本地数据的加载。

torchvision.transforms.Compose:数据的变换。容器，同时对多种数据变换进行组合。

inputs：转入的参数是一个列表，列表中的元素是对载入的数据进行的各种变换参数。

torch.utils.data.DataLoader(dataset，batch_size,shuffle):数据的装载打包。