torchvision举例

`torchvision`是PyTorch库中的一个模块，它主要用于计算机视觉任务，提供了一组数据集、图像处理工具以及预训练模型的接口。例如，你可以使用`torchvision.datasets`来加载常见的图像数据集如MNIST、CIFAR-10、ImageNet等。它还包含了对图像的转换功能，如调整大小、色彩空间转换、数据增强等操作。

`transforms`是`torchvision.transforms`的一部分，这里你可以找到很多用于图像预处理的常用函数，比如`ToTensor()`将像素值从numpy数组转换成张量，`RandomResizedCrop()`进行随机裁剪以增加模型的泛化能力。

此外，`torchvision.models`提供了预先训练好的卷积神经网络模型，如ResNet、VGG、Inception等，可以直接应用于迁移学习项目中。

举个例子，如果你想要加载并查看CIFAR-10数据集的一个样本，可以这样做：

import torch
from torchvision import datasets, transforms

transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

# 获取第一个样本
data, label = train_dataset[0]
image = data.numpy().transpose((1, 2, 0))  # 转换形状以便显示