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。 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，你需要安装PyTorch及其 torchvision 库，如果你还没有安装，可以使用以下命令进行安装：

pip install torch torchvision

接下来，我们可以使用以下步骤从MNIST数据集中下载并处理数据：

1. 导入所需的库：

import torch
import torchvision
from torchvision import transforms

2. 下载MNIST数据集：

transform = transforms.Compose([
    transforms.RandomHorizontalFlip(p=0.5),  # 随机水平翻转
    transforms.RandomCrop(120, padding=10),  # 随机裁剪至120x120，填充边界像素
    transforms.Resize((120, 120)),  # 调整到固定大小
    transforms.ToTensor(),  # 转换为Tensor
])
train_dataset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)

注意：`root='./data'`需要替换为你希望保存数据的实际路径。

3. 打印和显示随机选取的8张图像：

num_samples_to_show = 8
images_to_display = torch.stack([train_dataset[i][0] for i in torch.randperm(len(train_dataset))[:num_samples_to_show]])
# 将灰度图像转换为RGB以便于可视化
images_to_display = images_to_display.repeat(1, 1, 3) if images_to_display.shape[-1] == 1 else images_to_display
imshow_images = torchvision.utils.make_grid(images_to_display, nrow=4)
plt.imshow(torchvision.transforms.functional.to_pil_image(imshow_images))
plt.show()

这里我们使用了`torchvision.utils.make_grid`函数将图片合并成网格并显示出来。