### PyTorch 中包含的主要包 #### torch `torch` 是核心库，提供多维张量支持和自动求导功能。这使得能够高效处理数值计算并实现动态神经网络。 ```python import torch print(torch.__version__) ``` #### torchvision `torchvision` 提供了流行的数据集、模型架构和常用图像转换工具。对于计算机视觉任务非常有用[^2]。 ```python from torchvision import datasets, models, transforms dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transforms.ToTensor()) ``` #### torchaudio `torchaudio` 类似于 `torchvision` ，但是专注于音频数据处理和支持多种声音文件格式读取及预处理操作。 ```python import torchaudio waveform, sample_rate = torchaudio.load('audio.wav') ``` #### torchtext 虽然官方不再积极维护此项目，但仍有许多资源可用。用于自然语言处理的任务，比如文本分类、序列标注等。 ```python from torchtext.datasets import WikiText2 train_dataset = WikiText2(split='train') ``` #### torch.nn 定义了各种层类型（如线性层）、损失函数以及其他构建深度学习模型所需的组件。这是创建自定义神经网络的关键部分[^3]。 ```python import torch.nn as nn model = nn.Sequential( nn.Linear(10, 5), nn.ReLU(), nn.Linear(5, 2) ) ``` #### torch.optim 包含了优化算法实现，例如SGD、Adam等，这些是用来训练模型参数的重要方法之一。 ```python import torch.optim as optim optimizer = optim.Adam(model.parameters(), lr=0.001) ``` #### torch.utils.data 提供了灵活的数据加载器接口 (`DataLoader`) 和抽象基类 (`Dataset`) 来帮助管理批量数据流，在实际应用中不可或缺。 ```python from torch.utils.data import DataLoader, Dataset dataloader = DataLoader(dataset, batch_size=4, shuffle=True) ```