TorchVision

TorchVision 是 PyTorch 官方推出的计算机视觉工具库，刚才我们加载 FashionMNIST 数据集的 torchvision.datasets 模块，就来自于它。

它的核心作用可以概括为 “拿数据、做处理、调模型、干杂活” 的一站式工具箱。

1. 核心组成模块

TorchVision 主要包含 4 大块，你可以把它们想象成一条流水线：

• torchvision.datasets：数据从哪里来
  提供常用数据集的 API，比如 ImageNet、CIFAR、COCO 等，当然也包括 FashionMNIST。它们都能自动下载、解压，并返回标准格式的数据。

• torchvision.transforms：数据怎么预处理
  提供图像裁剪、翻转、归一化等操作。在之前的例子中，我们用它把 FashionMNIST 的原始图片变成了 PyTorch 能理解的张量（Tensor）。

• torchvision.models：现成的模型骨架
  提供已经训练好的经典网络模型（如 ResNet、VGG），可以直接拿来用或在此基础上微调。对于 FashionMNIST 这种较简单的任务，你也可以用这些强大的模型。

• torchvision.ops：高级的视觉专用操作
  提供了 RoI Align（区域特征聚集）、NMS（非极大值抑制）等更专业的算子，常用于目标检测等任务，这部分在入门阶段接触得少一些。

2. 回到与 FashionMNIST 的关系

在 PyTorch 和 FashionMNIST 的关系里，TorchVision 充当了那个具体的执行者：

• PyTorch 是底层计算框架，负责张量计算和自动求导。
• TorchVision 是位于上层的应用工具箱，直接给了你处理 FashionMNIST 所需的数据加载、预处理，甚至未来的模型。

如果你想看看用 torchvision.models 里的 ResNet 怎么在 FashionMNIST 上做迁移学习，我可以给你一个示例代码。