Pytorch笔记

Dataset 

torchvision.transforms : 常用的图像预处理方法，提高泛化能力 • 数据中心化 • 数据标准化 • 缩放 • 裁剪 • 旋转 • 翻转 •填充 • 噪声添加 • 灰度变换 • 线性变换 • 仿射变换 • 亮度、饱和度及对比度变换

用不同图片读取方式得到的图片类型不一样

Transforms 

 

不管你的数据是什么分布，只要相互独立，那么归一化之后均值为0，标准差为1

torchvision中的数据集

 可以复制链接下载，然后复制到root目录下面，那么代码就会识别使用，不会再次进行下载

Dataloader

drop_last，如果数据集大小不能整除batchsize，True会丢弃最后一部分，Flase会保留

dataloader在dataset中按照batchsize打包数据时候，默认是随机的

请问这四个数有没有可能会重复？不重复，迭代器产生的每次的四个都是不重复的

shuffle，True是指对dataloader进行打乱，那么不同epoch从dataloader中取出数据的顺序就是不一样的，False不打乱，那么每次取出数据的顺序就一样

搭建网络

forward：前向传播

import torch.nn as nn

卷积层

卷积核的个数等于输出的Channel数，卷积核的通道数等于输入的Channel数

3*32*32=>32*32*32

5*5卷积核

第一次卷积后大小不变,直接设置padding="same"就行

1D卷积

卷积核通道数等于输入通道数