2019-03-07 21:25:15

docs/1.0/model_zoo.md

@@ -8,9 +8,9 @@
 torch.utils.model_zoo.load_url(url, model_dir=None, map_location=None, progress=True)
 ```
 
-由给定URL加载Torch序列化对象。
+由给定URL加载Torch序列化对象。
 
-如果该对象已经存在于`model_dir`中，将被反序列化并返回。URL的文件名部分应该遵循约定`filename-<sha256>.ext`，其中`<sha256>`是文件内容的SHA256哈希的前八位或更多位数。（哈希用于确保唯一的名称并验证文件的内容）
+如果该对象已经存在于`model_dir`中，将被反序列化并返回。URL的文件名部分应该遵循约定`filename-<sha256>.ext`，其中`<sha256>`是文件内容的SHA256哈希的前八位或更多位数。（哈希用于确保唯一的名称并验证文件的内容）
 
 `model_dir`默认为`$TORCH_HOME/models`，其中`$TORCH_HOME`默认是`~/.torch`。如果不需要默认目录，可以通过环境变量`$TORCH_MODEL_ZOO`指定其它的目录。
 

docs/1.0/torchvision_datasets.md

@@ -47,10 +47,10 @@ class torchvision.datasets.MNIST(root, train=True, transform=None, target_transf
 参数： 
 
 *   **root**（_string_）– 数据集的根目录，其中存放`processed/training.pt`和`processed/test.pt`文件。
-*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True, 从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True, 从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform** （_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform** （_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -64,10 +64,10 @@ class torchvision.datasets.FashionMNIST(root, train=True, transform=None, target
 参数： 
 
 *   **root**（_string_）– 数据集的根目录，其中存放`processed/training.pt`和`processed/test.pt`文件。
-*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -82,16 +82,16 @@ class torchvision.datasets.EMNIST(root, split, **kwargs)
 
 *   **root**（_string_）– 数据集的根目录，其中存放`processed/training.pt`和`processed/test.pt`文件。
 *   **split**（_string_）– 该数据集分成6种：`byclass`，`bymerge`，`balanced`，`letters`，`digits`和`mnist`。这个参数指定了选择其中的哪一种。
-*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True, 从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从`training.pt`创建数据集，否则从`test.pt`创建。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True, 从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_) – 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_) – 一种函数或变换，输入目标，进行变换。
 
 
 
 注意：
 
-以下要求预先[安装COCO API](https://github.com/pdollar/coco/tree/master/PythonAPI)。
+以下要求预先[安装COCO API](https://github.com/pdollar/coco/tree/master/PythonAPI)。
 
 ```py
 class torchvision.datasets.CocoCaptions(root, annFile, transform=None, target_transform=None)
@@ -105,7 +105,7 @@ class torchvision.datasets.CocoCaptions(root, annFile, transform=None, target_tr
 *   **root**（_string_）– 下载数据的目标目录。
 *   **annFile**（_string_）– json标注文件的路径。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.ToTensor`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -163,7 +163,7 @@ class torchvision.datasets.CocoDetection(root, annFile, transform=None, target_t
 *   **root**（_string_）– 下载数据的目标目录。
 *   **annFile**（_string_）– json标注文件的路径。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.ToTensor`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -191,7 +191,7 @@ class torchvision.datasets.LSUN(root, classes='train', transform=None, target_tr
 *   **root**（_string_）– 存放数据文件的根目录。
 *   **classes**（_string_ _或_ [_list_](https://docs.python.org/3/library/stdtypes.html#list "(in Python v3.7)")）– {‘train’, ‘val’, ‘test’}之一，或要加载类别的列表，如[‘bedroom_train’, ‘church_train’]。
 *   **transform**（_可被调用_ _,_ _可选_) – 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -229,7 +229,7 @@ root/cat/asd932_.png
 
 *   **root**（_string_）– 根目录路径。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
 *   **loader** – 一种函数，可以由给定的路径加载图片。
 
 
@@ -268,9 +268,9 @@ root/class_y/asd932_.ext
 
 *   **root**（_string_）– 根目录路径。
 *   **loader**（_可被调用_）– 一种函数，可以由给定的路径加载数据。
-*   **extensions**（[_list_](https://docs.python.org/3/library/stdtypes.html#list "(in Python v3.7)")_[__string__]_）– 列表，包含允许的扩展。
+*   **extensions**（[_list_](https://docs.python.org/3/library/stdtypes.html#list "(in Python v3.7)")_[__string__]_）– 列表，包含允许的扩展。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入数据，返回变换之后的数据。如：对于图片有`transforms.RandomCrop`。
-*   **target_transform** – 一种函数或变换，输入目标，进行变换。
+*   **target_transform** – 一种函数或变换，输入目标，进行变换。
 
 
 
@@ -288,7 +288,7 @@ __getitem__(index)
 
 这个类可以很容易地实现`ImageFolder`数据集。数据预处理见[此处](https://github.com/facebook/fb.resnet.torch/blob/master/INSTALL.md#download-the-imagenet-dataset)。
 
-[示例](https://github.com/pytorch/examples/blob/e0d33a69bec3eb4096c265451dbb85975eb961ea/imagenet/main.py#L113-L126)。
+[示例](https://github.com/pytorch/examples/blob/e0d33a69bec3eb4096c265451dbb85975eb961ea/imagenet/main.py#L113-L126)。
 
 ```py
 class torchvision.datasets.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)
@@ -302,8 +302,8 @@ class torchvision.datasets.CIFAR10(root, train=True, transform=None, target_tran
 *   **root**（_string_）– 数据集根目录，要么其中应存在`cifar-10-batches-py`文件夹，要么当download设置为True时`cifar-10-batches-py`文件夹保存在此处。
 *   **train**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True, 从训练集中创建，否则从测试集中创建。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 
 
 
@@ -339,8 +339,8 @@ class torchvision.datasets.STL10(root, split='train', transform=None, target_tra
 *   **root**（_string_）– 数据集根目录，应该包含`stl10_binary`文件夹。
 *   **split**（_string_）– {‘train’, ‘test’, ‘unlabeled’, ‘train+unlabeled’}之一，选择相应的数据集。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _optional_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _optional_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 
 
 
@@ -351,7 +351,7 @@ __getitem__(index)
  
 | 参数： | **index** ([_int_](https://docs.python.org/3/library/functions.html#int "(in Python v3.7)")) – 索引 |
 | --- | --- |
-| 返回： | (image, target)，其中target应是目标类的类索引。 |
+| 返回： | (image, target)，其中target应是目标类的类索引。 |
 | --- | --- |
 | 返回类型： | [tuple](https://docs.python.org/3/library/stdtypes.html#tuple "(in Python v3.7)") |
 | --- | --- |
@@ -360,7 +360,7 @@ __getitem__(index)
 class torchvision.datasets.SVHN(root, split='train', transform=None, target_transform=None, download=False)
 ```
 
-[SVHN](http://ufldl.stanford.edu/housenumbers/)数据集。注意：SVHN数据集将`10`指定为数字`0`的标签。然而，这里我们将`0`指定为数字`0`的标签以兼容PyTorch的损失函数，因为损失函数要求类标签在`[0, C-1]`的范围内。
+[SVHN](http://ufldl.stanford.edu/housenumbers/)数据集。注意：SVHN数据集将`10`指定为数字`0`的标签。然而，这里我们将`0`指定为数字`0`的标签以兼容PyTorch的损失函数，因为损失函数要求类标签在`[0, C-1]`的范围内。
 
  
 参数：
@@ -368,8 +368,8 @@ class torchvision.datasets.SVHN(root, split='train', transform=None, target_tran
 *   **root**（_string_）– 数据集根目录，应包含`SVHN`文件夹。
 *   **split**（_string_）– {‘train’, ‘test’, ‘extra’}之一，相应的数据集会被选择。‘extra’是extra训练集。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。如：`transforms.RandomCrop`。
-*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
-*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **target_transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入目标，进行变换。
+*   **download**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 
 
 
@@ -397,7 +397,7 @@ class torchvision.datasets.PhotoTour(root, name, train=True, transform=None, dow
 *   **root**（_string_）– 保存图片的根目录。
 *   **name**（_string_）– 要加载的数据集。
 *   **transform**（_可被调用_ _,_ _可选_）– 一种函数或变换，输入PIL图片，返回变换之后的数据。
-*   **download** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _optional_) – 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
+*   **download** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _optional_) – 如果设置为True，从互联网下载数据并放到root文件夹下。如果root目录下已经存在数据，不会再次下载。
 
 
 

docs/1.0/torchvision_models.md

@@ -39,11 +39,11 @@ inception = models.inception_v3(pretrained=True)
 
 ```
 
-定义预训练模型时会把权值下载到一个缓存文件夹中，这个缓存文件可以通过环境变量`TORCH_MODEL_ZOO`来指定。更多细节见[`torch.utils.model_zoo.load_url()`](../model_zoo.html#torch.utils.model_zoo.load_url "torch.utils.model_zoo.load_url")。
+定义预训练模型时会把权值下载到一个缓存文件夹中，这个缓存文件可以通过环境变量`TORCH_MODEL_ZOO`来指定。更多细节见[`torch.utils.model_zoo.load_url()`](../model_zoo.html#torch.utils.model_zoo.load_url "torch.utils.model_zoo.load_url")。
 
 有些模型在训练和测试阶段用到了不同的模块，例如批标准化（batch normalization）。使用`model.train()`或`model.eval()`可以切换到相应的模式。更多细节见[`train()`](../nn.html#torch.nn.Module.train "torch.nn.Module.train")或[`eval()`](../nn.html#torch.nn.Module.eval "torch.nn.Module.eval")。
 
-所有的预训练模型都要求输入图片以相同的方式进行标准化，即：小批（mini-batch）三通道RGB格式（3 x H x W），其中H和W不得小于224。图片加载时像素值的范围应在[0, 1]内，然后通过指定`mean = [0.485, 0.456, 0.406]`和`std = [0.229, 0.224, 0.225]`进行标准化，例如：
+所有的预训练模型都要求输入图片以相同的方式进行标准化，即：小批（mini-batch）三通道RGB格式（3 x H x W），其中H和W不得小于224。图片加载时像素值的范围应在[0, 1]内，然后通过指定`mean = [0.485, 0.456, 0.406]`和`std = [0.229, 0.224, 0.225]`进行标准化，例如：
 
 ```py
 normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
@@ -107,7 +107,7 @@ VGG11模型。（论文中的“A”模型）
 torchvision.models.vgg11_bn(pretrained=False, **kwargs)
 ```
 
-VGG11模型，带有批标准化。（论文中的“A”模型）
+VGG11模型，带有批标准化。（论文中的“A”模型）
 
  
 | 参数： | **pretrained** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")) – 如果设置为True，返回ImageNet预训练模型 |
@@ -127,7 +127,7 @@ VGG13模型。（论文中的“B”模型）
 torchvision.models.vgg13_bn(pretrained=False, **kwargs)
 ```
 
-VGG13模型，带有批标准化。（论文中的“B”模型）
+VGG13模型，带有批标准化。（论文中的“B”模型）
 
  
 | 参数： | **pretrained** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")) – 如果设置为True，返回ImageNet预训练模型 |
@@ -147,7 +147,7 @@ VGG16模型。（论文中的“D”模型）
 torchvision.models.vgg16_bn(pretrained=False, **kwargs)
 ```
 
-VGG16模型，带有批标准化。（论文中的“D”模型）
+VGG16模型，带有批标准化。（论文中的“D”模型）
 
  
 | 参数： | **pretrained** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")) – 如果设置为True，返回ImageNet预训练模型 |
@@ -167,7 +167,7 @@ VGG19模型。（论文中的“E”模型）
 torchvision.models.vgg19_bn(pretrained=False, **kwargs)
 ```
 
-VGG19模型，带有批标准化。（论文中的“E”模型）
+VGG19模型，带有批标准化。（论文中的“E”模型）
 
  
 | 参数： | **pretrained** ([_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")) – 如果设置为True，返回ImageNet预训练模型 |

docs/1.0/torchvision_utils.md

@@ -16,9 +16,9 @@ torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=No
 *   **tensor**（[_Tensor_](../tensors.html#torch.Tensor "torch.Tensor") _或_ [_list_](https://docs.python.org/3/library/stdtypes.html#list "(in Python v3.7)")）– 四维批（batch）Tensor或列表。如果是Tensor，其形状应是（B x C x H x W）；如果是列表，元素应为相同大小的图片。
 *   **nrow**（[_int_](https://docs.python.org/3/library/functions.html#int "(in Python v3.7)")_,_ _可选_）– 最终展示的图片网格中每行摆放的图片数量。网格的长宽应该是（B / nrow, nrow）。默认是8。
 *   **padding**（[_int_](https://docs.python.org/3/library/functions.html#int "(in Python v3.7)")_,_ _可选_）– 扩展填充的像素宽度。默认是2。
-*   **normalize**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，通过减去最小像素值然后除以最大像素值，把图片移到（0，1）的范围内。
+*   **normalize**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，通过减去最小像素值然后除以最大像素值，把图片移到（0，1）的范围内。
 *   **range**（[_tuple_](https://docs.python.org/3/library/stdtypes.html#tuple "(in Python v3.7)")_,_ _可选_）– 元组（min, max），min和max用于对图片进行标准化处理。默认的，min和max由输入的张量计算得到。
-*   **scale_each**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，将批中的每张图片按照各自的最值分别缩放，否则使用当前批中所有图片的最值(min, max)进行统一缩放。
+*   **scale_each**（[_bool_](https://docs.python.org/3/library/functions.html#bool "(in Python v3.7)")_,_ _可选_）– 如果设置为True，将批中的每张图片按照各自的最值分别缩放，否则使用当前批中所有图片的最值(min, max)进行统一缩放。
 *   **pad_value**（[_float_](https://docs.python.org/3/library/functions.html#float "(in Python v3.7)")_,_ _可选_）– 扩展填充的像素值。