一. 原理

参见论文：何凯明：Deep Residual Learning for Image Recognition

二. 代码

使用的库：
torchvision：处理图像数据，包含一些数据集，模型，转换函数，独立于pytorch，需要独立安装，主要由以下四部分组成

（1）torchvision.models：提供深度学习中经典的网络结构（Alex-net，ResNet，VGG，Inception）

（2）torchvision.datasets：提供常用的数据集

（3）torchvision.transforme：常用的数据预处理操作

（4）torchvision.utils：工具类

实现目标：每张图片对应一个label，能够让模型识别图片对应的model（图像分类任务）

阅读深度学习代码技巧：得搞清楚数据集的格式是什么，即数据集的输入是什么，输出是什么。（通过Debug来调试解读，更加方便快捷）

输入：图片变成向量，

1.1. Debug