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：
