Dataset?
torchvision.transforms : 常用的图像预处理方法，提高泛化能力 ? 数据中心化 ? 数据标准化 ? 缩放 ? 裁剪 ? 旋转 ? 翻转 ?填充 ? 噪声添加 ? 灰度变换 ? 线性变换 ? 仿射变换 ? 亮度、饱和度及对比度变换
用不同图片读取方式得到的图片类型不一样
Transforms?
?
不管你的数据是什么分布，只要相互独立，那么归一化之后均值为0，标准差为1
torchvision中的数据集
?可以复制链接下载，然后复制到root目录下面，那么代码就会识别使用，不会再次进行下载
Dataloader
drop_last，如果数据集大小不能整除batchsize，True会丢弃最后一部分，Flase会保留
dataloader在dataset中按照batchsize打包数据时候，默认是随机的
请问这四个数有没有可能会重复？不重复，迭代器产生的每次的四个都是不重复的
shuffle，True是指对dataloader进行打乱，那么不同epoch从dataloader中取出数据的顺序就是不一样的，False不打乱，那么每次取出数据的顺序就一样
搭建网络
forward：前向传播
import torch.nn as nn
卷积层
卷积核的个数等于输出的Channel数，卷积核的通道数等于输入的Channel数
3*32*32=>32*32*32
5*5卷积核
第一次卷积后大小不变,直接设置padding="same"就行
1D卷积
卷积核通道数等于输入通道数
?
