声明：笔记是做项目时根据B站博主视频学习时自己编写，请勿随意转载！

---

一、说在前面的一些话

1、torchvision

需要用到torchvision里的一些模块，之前第一期配置环境的时候已经安装过torchvision!

torchvision是PyTorch生态系统中的一个关键库，专门为计算机视觉任务设计和优化。它提供了丰富的功能和工具：

• 数据集：内置了多种广泛使用的图像和视频数据集，如MNIST、CIFAR10/100、Fashion-MNIST、ImageNet、COCO等，以torch.utils.data.Dataset的形式实现，方便与PyTorch数据加载器（DataLoader）集成。
• 数据预处理工具：通过torchvision.transforms模块提供了丰富的数据增强和预处理操作，包括但不限于裁剪、旋转、翻转、归一化、调整大小、颜色转换等，这些操作对于训练稳健的深度学习模型至关重要。
• 预训练模型：提供了一些常用的预训练模型，如ResNet、VGG、Inception等，这些模型在大型数据集（如ImageNet）上进行过训练，并可以直接使用或进行微调。
• 图像分类、目标检测和语义分割：提供了常用的图像分类、目标检测和语义分割任务的模型和数据集，如CIFAR-10、PASCAL VOC、COCO等。
• 可视化工具：提供了一些可视化工具，如TensorBoard的集成、图像和视频的显示等，方便进行模型调试和结果展示。