Training a Classifier

1. Loading and normalizing CIFAR10

transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))])

        在读到这儿的这句代码时，不太理解，查了些博客。
博客https://blog.csdn.net/u014484247/article/details/79997357中介绍transforms.ToTensor()，transforms.Normalize（mean,std）的作用。

    ToTensor()将shape为(H, W, C)的nump.ndarray或img转为shape为(C, H, W)的tensor，其将每一个数值归一化到[0,1]，其归一化方法比较简单，直接除以255即可。

  transforms.Compose([transforms.ToTensor(),transforms.Normalize(std=(0.5,0.5,0.5),mean=(0.5,0.5,0.5))])，则其作用就是先将输入归一化到(0,1)，再使用公式”(x-mean)/std”，将每个元素分布到(-1,1) 。

（1）transforms.Compose就是将transforms组合在一起；

（2）transforms.Normalize使用如下公式进行归一化：

x=（x-mean）/std(因为transforms.ToTensor()已经把数据处理成[0,1],那么(x-0.5)/0.5就是[-1.0, 1.0])

这样一来，数据中的每个值就变成了[-1,1]的数了。

       我还找了一篇介绍np.transpose()函数的博客https://blog.csdn.net/qq_37377691/article/details/80086480。

trainset=torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform)

trainloader=torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True,num_workers=2)

#经过这两步的处理，最终把数据集中的数据转成了trainloader中的（image,label）对的形式，后面对输入数据进行处理时，就从trainloader里面取。

testset=torchvision.datasets.CIFAR10(root='./data',train=False,download=True,transform=transform)

testloader=torch.utils.data.DataLoader(testset,batch_size=4,shuffle=False,num_workers=2)

classes=('plane','car','bird','cat','deer','dog','frog','horse','ship','truck')