摘要：
from urllib.request import urlopenmyURL = urlopen("https://www.runoob.com/")f = open("runoob_urllib_test.html", "wb")content = myURL.read() # 读取网页内容f. 阅读全文
摘要：
import urllib.requestimport urllib.errormyURL1 = urllib.request.urlopen("https://www.runoob.com/")print(myURL1.getcode()) # 200try: myURL2 = urllib.re 阅读全文
摘要：
实例化这个类并遍历数据样本。我们将会打印出前四个例子的尺寸并展示标注的特征点。 代码如下图所示： face_dataset = FaceLandmarksDataset(csv_file='data/faces/face_landmarks.csv', root_dir='data/faces/') 阅读全文
摘要：
我们会把它们写成可调用的类的形式而不是简单的函数，这样就不需要每次调用时传递一遍参数。我们只需要实现__call__方法，必 要的时候实现 __init__方法。我们可以这样调用这些转换: tsfm = Transform(params) transformed_sample = tsfm(samp 阅读全文
摘要：
我们想要把图像的短边调整为256，然后随机裁剪(randomcrop)为224大小的正方形。也就是说，我们打算组合一个Rescale和 RandomCrop的变换。 我们可以调用一个简单的类 torchvision.transforms.Compose来实现这一操作。具体实现如下图： scale = 阅读全文
摘要：
我们可以像之前那样使用for i in range循环来对所有创建的数据集执行同样的操作。 transformed_dataset = FaceLandmarksDataset(csv_file='data/faces/face_landmarks.csv', root_dir='data/face 阅读全文
摘要：
collate_fn, 可以通过它来决定如何对数据进行批处理。但是绝大多数情况下默认值就能运行良好。 dataloader = DataLoader(transformed_dataset, batch_size=4, shuffle=True, num_workers=4) # 辅助功能：显示批次 阅读全文
摘要：
构造和使用数据集类(datasets),转换(transforms)和数据加载器(dataloader)。torchvision包提供了 常用的数据集类(datasets)和转换(transforms)。你可能不需要自己构造这些类。torchvision中还有一个更常用的数据集类ImageFolde 阅读全文