2．使用torchvision库中的数据模块下载MNIST数据集，并随机展示其中8张图像。 3. 将2下载的图像数据进行随机翻转，随机裁剪，并且转化为统一尺寸大小120x120，最后转换为tensor数据

首先，我们需要安装PyTorch和torchvision库，如果你还没有安装，可以使用以下命令：

pip install torch torchvision

然后，我们可以使用torchvision的`datasets`模块来下载MNIST数据集，这个数据集包含了手写数字的灰度图像。以下是下载并加载数据的基本步骤：

import torch
from torchvision import datasets, transforms

# 下载MNIST数据集
transform = transforms.Compose([
    transforms.RandomHorizontalFlip(),  # 随机水平翻转
    transforms.RandomCrop(120),  # 随机裁剪到120x120
    transforms.Resize((120, 120)),  # 调整图片尺寸
    transforms.ToTensor(),  # 转换为Tensor
])

mnist_dataset = datasets.MNIST(root='./data', transform=transform, download=True)  # 数据路径和下载选项

# 展示8张随机图像
num_samples_to_show = 8
fig, axs = plt.subplots(nrows=num_samples_to_show // 4, ncols=4, figsize=(12, 6))
for i in range(num_samples_to_show):
    img, label = mnist_dataset[i]
    axs.flat[i].imshow(img.numpy().squeeze(), cmap='gray')
    axs.flat[i].set_title('Label: %d' % label)
plt.show()

在这个例子中，我们先定义了一个转换管道`transform`，它会对每个样本进行随机翻转、裁剪、调整大小以及转换为Tensor。然后，我们将这个变换应用到`MNIST`数据集上，获取处理后的图像。