torchvisionの人気の数のコンピュータビジョンを含むPyTorchフレームのパケットサービス、データ・セット、ネットワークモデルと共通の画像変換方法は、主に以下の部分から構成：
torchvision.datasets：一部のデータロード機能と共通のデータ・セット・インターフェイス
torchvision.models：一般に使用が含まれ（プレトレーニングモデルを含む）モデル構造
torchvision.transforms：一般的な画像変換、等、クロッピング回転として
torchvision.utils：他の有用な方法
使用するtorchvision.datasetsインタフェースは、データセットの多くの種類がに渡すことができます得ることができDataLoader、さらに処理、これらのデータセットの使用は、例えば、MNISTデータセットを使用するための同様のAPI、使用されるプロセスを見ています
インポートパッケージやモジュールが必要：
import torch
import torchvision.transforms as transforms
import torchvision.datasets as dataset：説明MNIST文書
rootデータファイルパスの保存ということ-
trainそれがある場合- Trueそれ以外のテスト・セットを取得、その後、トレーニングセットを取得する
download- True直接ロードそして、あなたがダウンロードした場合は、インターネットからデータセットをダウンロードする必要性を表明
transform-絵いくつかの処理
の例を：
mnist_train_data = datasets.MNIST('../MNIST', train=True, download=True, transform =
tranforms.Compose([
torch.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
]))画像のtranforms選択には多くの、必要性があり、彼らが使用することができますtorchvision.tranforms.Compose(transforms)上記の例のように、一緒に文字列にこれらのアクションを、形式は次のとおりです。
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])追加する詳細とともに出会いの後。。。
参考：