Pytorch常用工具箱

神经网络工具箱nn

import torch.nn as nn

在nn中主要有两个重要模块:nn.Model、nn.functional，接着将分别介绍这两个模块。

nn.Model

nn.Model是nn的一个核心数据结构，最常用的做法就是继承nn.Model，如 class Nets(nn.Model)，常用的全连接层、损失层、激活层、卷积层等都是nn.Model的子类，nn.Linear、nn.Conv2d等

nn.functional

import torch.nn.functional as F

性能方面与nn.Model有一些差异，但此处不做描述。调用常用的层时用nn.functional.xxx，如nn.functional.linear、nn.functional.conv2d。

utils.data

utils.data 主要包括4个类
（1）Dataset:是一个抽象类，其他数据需要继承这个类，并要覆写其中的两个方法（getitem、len）
（2）DataLoader:定义了一个新的迭代器，实现批量（batch）读取，打乱数据（shuffle）等

from pytorch.utils.data import DataLoader

（3）random_split:把数据集随机拆分为给定长度的非重叠的新数据集。
（4）*sampler:多采样函数。

Torchvision

torchvision主要包括4个类
（1）datasets:常用数据集的加载，如MMIST，CIFAR10，设计上继承于torch.utils.data.Dataset
(2)models:提供经典的网络结构以及训练好的模型；
（3）transforms:常用的数据预处理操作，主要包括Tensor及PIL Image对象的操作；
（4）utils:包括两个函数，一个是make_grid,主要是将多张图片拼接在一起，一个是save_img,能将tensor保存成图片。