PyTorch torchvision 是一个用于计算机视觉任务的开源库，提供了许多预训练模型和工具，可以帮助用户快速构建和训练图像识别模型。

安装 torchvision

在开始使用 torchvision 之前，您需要安装 PyTorch。您可以通过以下命令安装 torchvision：

pip install torchvision

快速开始

以下是一个简单的示例，展示了如何使用 torchvision 加载和预处理图像数据：

import torchvision.transforms as transforms
from torchvision import datasets, models, transforms

# 定义转换器
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])

# 加载训练数据集
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

# 加载预训练模型
model = models.resnet18(pretrained=True)

# 打印模型结构
print(model)

预训练模型

torchvision 提供了多种预训练模型，包括：

  • ResNet
  • VGG
  • AlexNet
  • SqueezeNet
  • MobileNet
  • DPN
  • ENet
  • ShuffleNet
  • NASNet

您可以访问 PyTorch torchvision 官方文档 了解更多关于这些模型的信息。

数据集

torchvision 提供了多个数据集，包括：

  • CIFAR10
  • CIFAR100
  • ImageNet
  • COCO
  • MNIST

您可以访问 PyTorch torchvision 数据集文档 了解更多关于这些数据集的信息。

CIFAR-10 图像示例

进一步阅读

如果您想了解更多关于 torchvision 的信息，可以阅读以下文档：

希望这些信息能帮助您更好地了解和使用 torchvision！