PyTorch使用教程(8)-一文了解torchvision

一、什么是torchvision

torchvision提供了丰富的功能，主要包括数据集、模型、转换工具和实用方法四大模块。数据集模块内置了多种广泛使用的图像和视频数据集，如ImageNet、CIFAR-10、MNIST等，方便开发者进行训练和评估。模型模块封装了大量经典的预训练模型结构，如AlexNet、VGG、ResNet等，支持迁移学习和模型扩展。转换工具模块提供了丰富的数据增强和预处理操作，如裁剪、旋转、翻转、归一化等，有助于提升模型的泛化能力。实用方法模块则包含了一系列辅助工具，如图像保存、创建图像网格等，便于实验结果的可视化。
在这里插入图片描述

torchvision与PyTorch深度集成，支持CPU和GPU加速，能够在不同平台上高效运行。它简化了从数据准备到模型训练再到结果可视化的整个流程，为计算机视觉研究和开发提供了极大的便利。无论是初学者还是经验丰富的开发者，都可以通过torchvision快速构建和训练自己的视觉模型，加速AI应用的开发进程。

二、核心功能介绍

torchvision的核心功能主要包括数据集加载、图像转换、预训练模型加载、数据加载器以及实用工具等，以下是对这些功能的详细介绍及相关示例代码：

2.1 数据集加载

torchvision.datasets提供了多种流行的计算机视觉数据集，如CIFAR-10、MNIST、ImageNet等，支持一键下载和加载。

from torchvision import datasets

# 加载CIFAR-10数据集
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=None)
test_dataset = datasets.CIFAR10(root='./data', train=False, download=True, transform=None)

2.2 图像转换

torchvision.transforms模块提供了丰富的图像转换操作，如缩放、裁剪、翻转、归一化等，这些操作可以单独使用，也可以组合使用，以形成数据增强流水线。
在这里插入图片描述

from torchvision import transforms
# 定义转换操作
transform = transforms.Compose([
    transforms.Resize((256, 256)),#缩放
    transforms.RandomCrop(224),#随机裁剪
    transforms.RandomHorizontalFlip(),#随机翻转
    transforms.ToTensor(), #张量转化
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 应用转换操作
image = Image.open('path_to_image.jpg')
processed_image = transform(image)

2.3 预训练模型加载

torchvision.models模块提供了多种经典的预训练模型，如ResNet、VGG、AlexNet等，可以直接加载这些模型进行迁移学习或作为基准模型。
在这里插入图片描述

from torchvision import models
# 加载预训练的ResNet-50模型
model = models.resnet50(pretrained=True)

2.4 数据加载器

torch.utils.data.DataLoader是一个实用的数据加载器，可以与torchvision提供的数据集一起使用，方便地进行批量加载和数据迭代。

from torch.utils.data import DataLoader

# 使用DataLoader加载数据
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

2.5 实用工具

torchvision还提供了一些实用工具，如torchvision.utils.make_grid，可以将多个图像拼接成一个网格图像，便于可视化。

from torchvision import utils
import matplotlib.pyplot as plt

# 获取一批图像
images, _ = next(iter(train_loader))

# 将图像拼接成网格
grid = utils.make_grid(images)

# 显示图像
plt.imshow(grid.permute(1, 2, 0))
plt.show()