PyTorch torchvision包

torchvision包服务于PyTorch框架，包括了计算机视觉中一些流行的数据集、网络模型以及常见的图片变换方法，主要由以下几部分构成：
torchvision.datasets: 一些加载数据的函数和常用的数据集接口
torchvision.models:包含常用的模型结构（含预训练模型）
torchvision.transforms:常见的图片变换，如裁剪、旋转等
torchvision.utils：其它一些有用的方法

利用torchvision.datasets接口可以得到许多种类的数据集，可以传给DataLoader做进一步处理，使用这些数据集的API都差不多，以使用MNIST数据集为例，来看一下使用的流程

导入需要的包或模块：

import torch
import torchvision.transforms as transforms
import torchvision.datasets as dataset

MNIST的文档描述：

root-就是存放数据的文件路径
train-如果为True，那么得到训练集，否则得到测试集
download-True表示需要从网上下载这个数据集，如果已经下载了，那么直接加载
transform-对图片进行一些处理
示例：

mnist_train_data = datasets.MNIST('../MNIST', train=True, download=True, transform = 
                                tranforms.Compose([
                                    torch.ToTensor(),
                                    transforms.Normalize((0.1307,), (0.3081,))
                                 ]))

对图片的tranforms有很多种，根据需要选择，他们可以利用torchvision.tranforms.Compose(transforms)把这些操作串在一起，就像上面例子一样，形式是：

transforms.Compose([
    transforms.CenterCrop(10),
    transforms.ToTensor(),
])

更多的细节以后遇到再加以补充。。。

参考：

1. https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.5_fashion-mnist
2. PyTorch官方文档