Pytorch入门tutorial学习

所有方法都可以在doc里面找到

一、transforms
transforms表示是否对数据进行预处理

1. torchvision.transforms.Compose
   一次完成多个transforms指令
   Example

transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])

2.torchvision.transforms.ToTensor
PIL:Python Imaging Library
将 PIL Image 或 numpy.ndarray 转换为tensor.

3.torchvision.transforms.Normalize
Normalize(mean, std)
功能：给定均值：(R,G,B) 方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。

4.torchvision.datasets.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
train=true表示训练集
train=false表示测试集

5.torch.utils.data.DataLoader(trainset, batch_size=4,
shuffle=True, num_workers=2)
第一个参数是数据源，第二个表示一次给神经网络喂多少数据，第三个是否打乱图片顺序，最后一个是否使用子进程读取数据

6.卷积核和通道数的关系
https://blog.csdn.net/sxs11/article/details/81411913

7.enumerate

seq = [‘one’, ‘two’, ‘three’]
for i, element in enumerate(seq):
… print i, element
…
0 one
1 two
2 three

给元素加标签

8.item
item() → number
将tensor转化为标准python数字

9.from future import print_function
在低版本使用高版本的语法