torchvision代码入门

pytorch有一个配套的python包叫做torchvision，里面包含了很多好用的cv模型和数据集。 > github地址: https://github.com/pytorch/vision

这个系列的文章会简析一下其内部代码及作用。

第一篇文章是overview。

##从首页可以看到其中有四个主要的模块。

###vision.datasets : Data loaders for popular vision dataset. 预置数据集，方便读取。 ###vision.models : Definitions for popular model architectures, such as AlexNet, VGG, and ResNet and pre-trained models. 主流模型，并且提供预训练权值下载。 ###vision.transforms : Common image transformations such as random crop, rotations etc. 图像扩充时用来变幻。 ###vision.utils : Useful stuff such as saving tensor (3 x H x W) as image to disk, given a mini-batch creating a grid of images, etc. 图像储存工具。

##数据集 MNIST COCO (Captioning and Detection) LSUN Classification ImageFolder Imagenet-12 CIFAR10 and CIFAR100 STL10 SVHN PhotoTour

##模型 AlexNet: AlexNet variant from the “One weird trick” paper. VGG: VGG-11, VGG-13, VGG-16, VGG-19 (with and without batch normalization) ResNet: ResNet-18, ResNet-34, ResNet-50, ResNet-101, ResNet-152 SqueezeNet: SqueezeNet 1.0, and SqueezeNet 1.1

##变形

transform = transforms.Compose([
    transforms.RandomSizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean = [ 0.485, 0.456, 0.406 ],
                          std = [ 0.229, 0.224, 0.225 ]),
])

本文以mnist介绍dateset，并介绍了如何自定义dataset。

mnist代码: 下载

可以看到，一个dataset都要继承一个torch.utils.data内的Dataset类。为了使一个dataset可以被pytorch内置的dataloader载入，必须实现两个method:

    def __getitem__(self, index):
    def __len__(self):

第一个__getitem__通过一个index来返回一个数据项，第二个__len__返回数据的数目。