简述：torchvision

一、Torchvision 是什么
Torchvision 是 PyTorch 官方配套的计算机视觉专用库，专门处理图像任务。
作用：提供常用数据集、图像预处理、经典模型、可视化工具
核心内容：
内置数据集：MNIST、CIFAR、ImageNet、COCO 等
经典模型：ResNet、VGG、U-Net、FasterRCNN 等（直接用预训练权重）
图像变换：裁剪、归一化、翻转、增强
工具：图像读取、显示、保存

二、3 个简单实用例子
例子 1：图像预处理（最常用）

from torchvision import transforms
from PIL import Image

# 定义一套图像预处理流程
transform = transforms.Compose([
    transforms.Resize((224, 224)),    # 改尺寸
    transforms.ToTensor(),             # 转张量
    transforms.Normalize(mean=[0.5], std=[0.5])  # 归一化
])

# 加载并处理图片
img = Image.open("test.jpg")
img_tensor = transform(img)

print(img_tensor.shape)  # 输出: torch.Size([3, 224, 224])

例子 2：直接用预训练模型 ResNet

from torchvision import models

# 加载训练好的ResNet18
model = models.resnet18(pretrained=True)
model.eval()  # 设为推理模式

# 输入一张图
import torch
x = torch.randn(1, 3, 224, 224)  # 1张图，3通道
out = model(x)
print(out.shape)  # 输出分类结果

例子 3：加载官方数据集（CIFAR10）

from torchvision import datasets, transforms
from torch.utils.data import DataLoader

transform = transforms.ToTensor()

# 自动下载加载CIFAR10
dataset = datasets.CIFAR10(
    root="./data", train=True, download=True, transform=transform
)

# 批量加载
loader = DataLoader(dataset, batch_size=32, shuffle=True)

# 取一批数据
images, labels = next(iter(loader))
print(images.shape)  # torch.Size([32, 3, 32, 32])

三、一句话总结
Torchvision 是 PyTorch 视觉必备工具包，负责图像预处理、模型、数据集，让图像分类 / 检测 / 分割开箱即用，非常适合做变化检测、影像识别等任务。

本blog地址：https://blog.csdn.net/hsg77