PyTorch常用的包有哪些，作用是什么？

已经九月份了，暑假课程《深度学习》的学习也接近尾声了，在这个课程中，我们做了很多基于pytorch框架的实验，也了解到许多pytorch的包，下面对常用的包做一个归纳总结。

PyTorch本身是一个基于Python的科学计算库，特点是可以在GPU上运算。

1、torch

:

张量的有关运算。如创建、索引、连接、转置、加减乘除、切片等。

2、torch.nn:


包含搭建神经网络层的模块（Modules）和一系列loss函数。如全连接、卷积、BN批处理、dropout、CrossEntryLoss、MSELoss等。

3、torch.nn.functional:


常用的激活函数relu、leaky_relu、sigmoid等。

4、torch.autograd:


提供Tensor所有操作的自动求导方法。

5、torch.optim:


各种参数优化方法，例如SGD、AdaGrad、Adam、RMSProp等

6、torch.utils.data:


用于加载数据。

7、torchvision包


torchvision是PyTorch中专门用来处理图像的库，这个包中常用的几个模块：

torchvision.datasets：是用来进行数据加载的

torchvision.models：为我们提供了已经训练好的模型，让我们可以加载之后，直接使用。包括AlexNet、VGG、ResNet

torchvision.transforms：为我们提供了一般的图像转换操作类。

torchvision.utils:将给定的Tensor保存成image文件。

8、from PIL import Image


我们一般在pytorch中处理的图像无非这几种格式：

PIL：使用python自带图像处理库读取出来的图片格式

numpy：使用python-opencv库读取出来的图片格式

tensor：pytorch中训练时所采取的向量格式（当然也可以说图片）

from PIL import Image是在进行PIL与Tensor的转换，也就是图片格式的转换。

9、matplotlib


这是Pytorch的一个绘图库，是Python中最常用的可视化工具之一，可以非常方便地创建2D图表和一些基本的3D图表。