torchvision的构成、torchvision.transforms.Compose()、optimizer.param_groups、view()与reshape()、summary()

1.torchvision的构成：torchvision

2.torchvision.transforms.Compose()函数用法详解以及涉及到的transforms中的函数：Compose()

总结：Compose()类会将transforms列表里面的transform操作进行遍历。

3.optimizer.param_groups详解以及如何动态修改学习率：optimizer.param_groups

总结：与参考文献有出入的是，本文实验发现optimizer.param_groups是长度为1的list，列表里面是长度为6的字典

4.view()与reshape()区别详解：view()与reshape()区别

总结：torch的view()与reshape()方法都可以用来重塑tensor的shape，区别就是使用的条件不一样。view()方法只适用于满足连续性条件的tensor，并且该操作不会开辟新的内存空间，只是产生了对原存储空间的一个新别称和引用，返回值是视图。而reshape()方法的返回值既可以是视图，也可以是副本，当满足连续性条件时返回view，否则返回副本[ 此时等价于先调用contiguous()方法在使用view() ]。因此当不确能否使用view时，可以使用reshape。如果只是想简单地重塑一个tensor的shape，那么就是用reshape，但是如果需要考虑内存的开销而且要确保重塑后的tensor与之前的tensor共享存储空间，那就使用view()。

5.pytorch中的torchsummary.summary()用法详解：torchsummary.summary()

注意：input_size是模型输入的size，形状为C，H，W