Pytorch生态简介

一、torchvision

1. torchvision.datasets：包含了在计算机视觉中常见的数据集
2. torchvision.models：预训练好的模型
3. torchvision.tramsforms：关于图片预处理和数据增强的方法
4. torchvision.io：视频、图片和文件的 IO 操作的功能，它们包括读取、写入、编解码处理操作
5. torchvision.ops ：计算机视觉的特定操作
6. torchvision.utils：可视化的方法，可以帮助我们将若干张图片拼接在一起、可视化检测和分割的效果

二、 PyTorchVideo

 1、 特点
        基于 PyTorch
        Model Zoo
        数据预处理和常见数据
        模块化设计
        支持多模态
        移动端部署优化
   2、 PyTorchVideo model zoo 三种使用方法
           1） TorchHub，这些模型都已经在TorchHub存在。我们可以根据实际情况来选择需不需要使用预训练模型
            2）PySlowFast，使用 PySlowFast workflow 去训练或测试PyTorchVideo models/datasets.
            3）PyTorch Lightning建立一个工作流进行处理

 三、torchtext

1、用于自然语言处理（NLP）的工具包

2、组成部分

        1）数据处理工具 torchtext.data.functional、torchtext.data.utils
        2）数据集 torchtext.data.datasets
        3）词表工具 torchtext.vocab
        4）评测指标 torchtext.metrics

3、数据集构建

        1）Field是torchtext中定义数据类型以及转换为张量的指令

        2）定义Field对象完成后，通过get_dataset函数可以读入数据的文本和标签，将二者连同field  一 起送到torchtext.data.Dataset类中，即可完成数据集的构建。

        3）词汇表
            使用Field自带的build_vocab函数完成词汇表构建

       4） 评测指标（metric）
            BLEU (bilingual evaluation understudy) score来评价预测文本和标签文本之间的相似程度

 

参考DataWhale课程：深入浅出PyTorch进阶

链接：https://github.com/datawhalechina/thorough-pytorch