文章预览
前言 原文翻译自：Deep Learning with PyTorch: A 60 Minute Blitz 翻译：林不清（https://www.zhihu.com/people/lu-guo-92-42-88） 目录 训练一个分类器 你已经学会如何去定义一个神经网络,计算损失值和更新网络的权重。 你现在可能在思考：数据哪里来呢？ 关于数据 通常，当你处理图像，文本，音频和视频数据时，你可以使用标准的Python包来加载数据到一个numpy数组中.然后把这个数组转换成 torch.*Tensor 。 对于图像,有诸如Pillow,OpenCV包等非常实用 对于音频,有诸如scipy和librosa包 对于文本,可以用原始Python和Cython来加载,或者使用NLTK和SpaCy 对于视觉,我们创建了一个 torchvision 包,包含常见数据集的数据加载,比如Imagenet,CIFAR10,MNIST等,和图像转换器,也就是 torchvision.datasets 和 torch.utils.data.DataLoader 。 这提供了巨大的便利,也避免了代码的重复。 在这个教程中,我们使用CIFAR10数据集,它
………………………………
