torchnet 是用于 torch 的代码复用和模块化编程的框架：
主要包含4个部分：

• Dataset：各种不同方式处理数据。
• Engine:各种机器学习算法
• Meter:性能度量指标。
  $Log：$
  模块详细分为如下部分：
• Datasets:
  • BatchDataset
  • ListDataset
  • ResampleDataset
  • ShuffleDataset
  • TensorDataset [new]
  • TransformDataset
• Meters：
  • APMeter
  • mAPMeter
  • AverageValueMeter
  • AUCMeter
  • ClassErrorMeter
  • ConfusionMeter
  • MovingAverageValueMeter
  • MSEMeter
  • TimeMeter
• Engines
  • Engine
• Logger
  • Logger
  • VisdomLogger
  • MeterLogger [new, easy to plot multi-meter via Visdom]

主要用于可视化、数据存储和日志管理。

原本是基于lua-torch的一个库，迁移到python中来，变成pytorch中的一部分。

Dataset部分

抽象类classtorchnet.dataset.dataset.Dataset
传进来的参数是一个可迭代对象即可。

产生$Batch$形式的数据：

• torchnet.dataset.BatchDataset(dataset, batchsize, perm=<function BatchDataset.>, merge=None, policy=‘include-last’, filter=<function BatchDataset.>)

Parameters:

• **dataset (Dataset): 数据集，这个数据集中的每个元素必须是一个dict，（应该用于multi-task,每个样本由多分类，这时候，存储为item = {‘data’:data , ‘class’:class}会比较方便。
• batchsize (int) ： batchsize
• perm (function, optional)：洗牌函数（数据随机打乱）
• merge (function, optional) ：控制产生 batch 的行为。 在transform.makebatch源码中使用这个函数. Default is None.它的作用是合并数据，直接从 Dataset 得到的一个 batch 是一个 dict 的列表，makebatch 默认行为是将 dict 中的 key 合并的数据合并，合并后使用 merge 进一步处理，默认行为（merge = None）就是将这个dict中的数据按照第一维度拼成一个Tensor（如果可以拼接的话）返回。应该是和torch.utils.data.dataloader中的collate_fn 如果需要pin_memory的话，需要把数据按锁页方式存储
• policy (str, optional) ：处理最后一个batch的策略
  include-last 包**含最后一个，无论剩几个****

      skip-last **最后一个小于 batchsize 的时候丢掉**

divisible-only 数据不能整除batchsize时报错

filter (function, optional) ：在产生 batch 之前过滤。 filter(sample) 返回 True 则包含这个数据，False 表示过滤掉，默认 True

拼接 datasets：

torchnet**.dataset.ConcatDataset(datasets)**
Parameters::
datasets：（iterable)一个dataset列表。

产生List形式数据

torchnet.dataset.ListDataset(elem_list, load=<function ListDataset.<lambda>>, path=None)

参数解析

返回一个采样数据集

torchnet.dataset.ResampleDataset(**dataset, sampler=<function ResampleDataset.>, size=None)

也是采样，不过是均匀分布

torchnet.dataset.ShuffleDataset(dataset, size=None, replacement=False)

数据集分割

torchnet.dataset.SplitDataset(dataset, partitions, initial_partition=None)

方便把一个**已经存在的数据变成标准的结构(**在套上一层）

torchnet.dataset.TensorDataset(data)

得到一个变换数据集

torchnet.dataset.TransformDataset(dataset, transforms)

• dataset: (Dataset)
• transforms (function/dict): 一个函数（可以是compose的），或者dict（值是函数），用于样本的变换。

torchnet.transform部分

主要用的是torchnet.transform.compose函数，将transform拼接在一起。
它接收一个transform列表，每个transform是一个函数，接收上一次的输出作为输入。和TransformDataset搭配使用。

• 例如 TransformDataset(ListDataset(class_names), compose([transforms1,transform2]))

TransformDataset

总结

慢慢的会用的时候，将各种的torchnet库都给其搞明白，全部都将其搞彻底都行啦的样子与打算。全部都将其搞彻底都行啦的回事与打算。自己研究透彻，研究彻底都行啦的样子与打算。