2.1 图像分类器

通常来说，当处理图像、文本、语音或者视频数据时，我们可以使用标准Python包将数据加载成NumPy数组格式，然后将这个数组转换成 torch.*Tensor。

• 对于图像，可以用 Pillow和OpenCV ；

• 对于文本，可以直接用 Python 或 Cython 基础数据加载模块，或者用 NLTK 和spaCy ；

• 对于语音，可以用SciPy和Librosa。

考虑到这一点，为了给开发者提供更加方便的加载方式，PyTorch已经创建了一个叫作torchvision 的包，该包含有支持加载类似ImageNet、CIFAR-10、MNIST等公共数据集的数据加载模块 torchvision.datasets 和支持加载图像数据的数据转换模块 torch.utils.data.DataLoader。这提供了极大的便利，并且避免了编写“模板代码”。

本节内容将使用CIFAR-10数据集，它包含10个类别：plane、car、bird、cat、deer、dog、frog、horse、ship、truck。CIFAR-10中的图像尺寸为3×32×32，也就是RGB的3层颜色通道，图像的宽和高都为32。