目录
StratifiedShuffleSplit
sss = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=0)创建StratifiedShuffleSplit对象，用于将数据集划分为训练集和测试集。
- n_splits=1：划分次数为1，大于1则多次划分，每次划分生成一组新训练集和新测试集。
- test_size=0.2：测试集比例为0.2，即测试集的大小占总样本的20%
- random_state=0：随机种子为0，类似random的种子，保证每次抽样到的数据一样
StratifiedShuffleSplit是scikit-learn库中的一个类，用于创建训练集和测试集的划分，同时保持每个类别中的样本比例一致。核心思想：分层抽样。
StratifiedShuffleSplit 类的工作原理：
先根据每个类别的样本数量将数据集划分为尽可能相等的子集（分层）
然后在这些子集中随机选择样本拆分创建训练集和测试集（随机拆分）
插入空格更好理解：Stratified Shuffle Split分层随机拆分类！
transforms.ToTensor
data_transformer = transforms.Compose([transforms.ToTensor()])transforms.ToTensor()的作用是将PIL图像或NumPy数组转换为PyTorch张量，并且将图像的像素值从[0, 255]范围缩放到[0.0, 1.0]范围，即在[0.0, 1.0]范围内对像素值进行归一化。转换后的张量形状为(C, H, W)
Compose是 torchvision.transforms 模块的一个类，创建一个Compose对象时，需要传入一个包含一个或多个变换操作的列表。Compose对象一般包含四个变换操作：调整图像大小、从中心裁剪图像、将图像转换为张量以及归一化。
Counter
counter_train=collections.Counter(y_train)用于统计图像标签，即每类标签图像数量，Counter是用于计数的子类字典。例如PyTorch torchvision包中STL-10数据集的训练数据集：
