如何使用PyTorch构建并训练图像分类器demo？

本文共计4778个文字，预计阅读时间需要20分钟。

【学习资源】PyTorch深度学习快速入门：60分钟内训练一个分类器 —— 本文摘自上述链接教程，对其中有用部分进行摘录、翻译和注释。便于日后复习、修正和补充。

Tutorials > Deep Learning with PyTorch: A 60 Minute Blitz > Training a Classifier
  本文相当于对上面链接教程中自认为有用部分进行的截取、翻译和再注释。便于日后复习、修正和补充。

边写边查资料的过程中猛然发现这居然有中文文档……不过中文文档也是志愿者翻译的，仅仅是翻译，也没有对知识点的扩充，不耽误我写笔记。这篇笔记就继续写下去吧。附PyTorch 中文教程 & 文档 > 训练分类器

  一般来说，当你不得不与图像、文本或者视频资料打交道时，会选择使用python的标准库将原始数据加载转化成numpy数组，甚至可以继续转换成torch.*Tensor。

• 对图片而言，可以使用Pillow库和OpenCV库
• 对视频而言，可以使用scipy库和librosa库
• 对文本而言，可以使用基于原生Python或Cython加载，或NLTK和SpaCy等。

  Pytorch特别针对视觉方面创建torchvision库，其中包含能够加载ImageNet、CIFAR10和MNIST等数据集的数据加载功能，对图像的数据增强功能，即 torchvision.datasets 和 torch.utils.data.DataLoader 。