文章目錄：
1 torchvision.datssets
2 torchvision.models
模型比較
本文建議複製代碼去跑跑看，增加一下手感。公眾號回復【torchvision】獲取代碼和數據。
官網上的介紹：The torchvision package consists of popular datasets, model architectures, and common image transformations for computer vision.
翻譯過來就是：torchvision包由流行的數據集、模型體系結構和通用的計算機視覺圖像轉換組成。簡單地說就是常用數據集+常見模型+常見圖像增強方法
這個torchvision中主要有包組成：
1 torchvision.datssets包含賊多的數據集，包含下面的：
官方說明了：All the datasets have almost similar API. They all have two common arguments: transform and target_transform to transform the input and target respectively.
翻譯過來就是：每一個數據集的API都是基本相同的。他們都有兩個相同的參數：transform和target_transform(後面細講)
我們就用最經典最簡單的MNIST手寫數字數據集作為例子，先看這個的API：
包含5個參數：
root：就是你想要保存MNIST數據集的位置，如果download是Flase的話，則會從目標位置讀取數據集；download：True的話就會自動從網上下載這個數據集，到root的位置；train：True的話，數據集下載的是訓練數據集；False的話則下載測試數據集（真方便，都不用自己劃分了）transform：這個是對圖像進行處理的transform，比方說旋轉平移縮放，輸入的是PIL格式的圖像（不是tensor矩陣）；target_transform：這個是對圖像標籤進行處理的函數（這個我沒用過不太確定，也許是做標籤平滑那種的處理？）【下面用代碼進一步理解】
import torchvision
mydataset = torchvision.datasets.MNIST(root='./',
train=True,
transform=None,
target_transform=None,
download=True)運行結果如下，表示下載完畢。
之後我們需要用到上一節課講到的dataloader的內容：
from torch.utils.data import Dataset,DataLoader
myloader = DataLoader(dataset=mydataset,
batch_size=16)
for i,(data,label) in enumerate(myloader):
print(data.shape)
print(label.shape)
break這時候會拋出一個錯誤：
大致看一看，就是pytorch的這個dataloader不是可以把數據集分成batch嘛，這個dataloder只能把tensor或者numpy這樣的組合成batch，而現在的數據集的格式是PIL格式。這裡驗證了之前說到的，transform這個輸入是PIL格式的圖片，解決方法是：transform不能是None，我們需要將PIL轉化成tensor才可以
所以我們把上面的transform稍作修改：
mydataset = torchvision.datasets.MNIST(root='./',
train=True,
transform=torchvision.transforms.ToTensor(),
target_transform=None,
 download=True)重新運行的時候可以得到結果：結果中，16表示一個batch有16個樣本，1表示這是單通道的灰度圖片，28表示MNIST數據集圖片是
想要獲取其他的數據集也是一樣的，不過這裡就用MNIST作為舉例，其他的相同。
2 torchvision.models預訓練模型中torchvision提供了很多種，大體分成下面四類：
分別是分類模型，語義模型，目標檢測模型和視頻分類模型。這裡呢因為分類模型比較常見也比較基礎，就主要介紹這個好啦。
在torch1.6.0版本中(應該是比較近的版本)，主要包含下面的預訓練模型：
構建模型可以通過下面的代碼：
import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
densenet = models.densenet161()
inception = models.inception_v3()
googlenet = models.googlenet()
shufflenet = models.shufflenet_v2_x1_0()
mobilenet = models.mobilenet_v2()
resnext50_32x4d = models.resnext50_32x4d()
wide_resnet50_2 = models.wide_resnet50_2()
mnasnet = models.mnasnet1_0()這樣構建的模型的權重值是隨機的，只有結構是保存的。想要獲取預訓練的模型，則需要設置參數pretrained:
import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)
googlenet = models.googlenet(pretrained=True)
shufflenet = models.shufflenet_v2_x1_0(pretrained=True)
mobilenet = models.mobilenet_v2(pretrained=True)
resnext50_32x4d = models.resnext50_32x4d(pretrained=True)
wide_resnet50_2 = models.wide_resnet50_2(pretrained=True)
mnasnet = models.mnasnet1_0(pretrained=True)我看官網的英文講解，提到了一點：似乎這些模型的預訓練數據集都是ImageNet的那個數據集，輸入圖片都是3通道的，並且要求輸入圖片的寬高不小於224像素，並且要求輸入圖片像素值的範圍在0到1之間，然後做一個normalization標準化。
不知道各位在看一些案例的時候，有沒有看到這個標準化：mean = [0.485, 0.456, 0.406] 和 std = [0.229, 0.224, 0.225]，這個應該是ImageNet的圖片的標準化的參數。
這些預訓練的模型參數不確定能不能直接下載，我也就把這些模型存起來一併放在了公眾號的後臺，依然是回復【torchvision】獲取。
得到了.pth文件之後使用torch.load來加載即可。
# torch.save(model, 'model.pth')
model = torch.load('model.pth')
模型比較最後呢，torchvision官方提供了一個不同模型在Imagenet 1-crop 的一個錯誤率的比較。可以一起來看看到底哪個模型比較好使。這裡我放了一些常見的模型。。像是Wide ResNet這種變種我就不放了。
網絡Top-1 errorTop-5 errorAlexNet43.4520.91VGG-1130.9811.37VGG-1330.0710.75VGG-1628.419.62VGG-1927.629.12VGG-13 with BN28.459.63VGG-19 with BN25.768.15Resnet-1830.2410.92Resnet-3426.708.58Resnet-5023.857.13Resnet-10122.636.44Resnet-15221.695.94SqueezeNet 1.141.8119.38Densenet-16122.356.2整體來看，還是Resnet殘差網絡效果好。不過EfficientNet效果更好，不過這個模型在Torchvision中沒有提供，會在之後專門講解和提供代碼模板。（先挖坑）。
點讚+在看+轉發