一、DataLoader和DataSet
1.1 DataLoader
torch.utils.data.DataLoader #构建可迭代的数据装载器
DataLoader（）参数 ：
- dataset: Dataset类，决定数据从哪读取 及如何读取
- batchsize : 批大小
- num_works: 是否多进程读取数据
- shuffle: 每个epoch是否乱序
- drop_last：当样本数不能被batchsize整 除时，是否舍弃最后一批数据
- Epoch: 所有训练样本都已输入到模型中，称为一个Epoch
- Iteration：一批样本输入到模型中，称之为一个Iteration
- Batchsize：批大小，决定一个Epoch有多少个Iteration
- 例如：样本总数：80， Batchsize：8 1 Epoch = 10 Iteration
1.2 DataSet
torch.utils.data.Dataset
Dataset抽象类，所有自定义的 Dataset需要继承它，并且复写__getitem__()
getitem :接收一个索引，返回一个样本
二、transforms
2.1 transforms
torchvision：计算机视觉工具包
torchvision.transforms : 常用的图像预处理方法——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
torchvision.datasets : 常用数据集的dataset实现，MNIST，CIFAR-10，ImageNet等
torchvision.model : 常用的模型预训练，AlexNet，VGG， ResNet，GoogLeNet等
transforms.Normalize(mean, std, inplace=False) #逐channel的对图像进行标准化为（-1，1）
- output = (input - mean) / std
- mean：各通道的均值
- std：各通道的标准差
- inplace：是否原地操作