今天是PyTorch中的数据处理工具箱及其相关工具的使用。以下是内容的总结：

1. 数据处理工具箱概述：
   utils.data.Dataset：用于获取单个样本。
   utils.data.DataLoader：用于批量处理数据，支持多线程加载、数据洗牌等功能。

2. DataLoader：
   介绍了DataLoader的语法结构和相关参数，如batch_size、shuffle、num_workers等。
   DataLoader可以通过iter命令转换成迭代器。

3. torchvision.transforms：
    提供了对PIL Image和Tensor对象的常用操作。
    可以通过Compose将多个操作拼接起来，类似于nn.Sequential。

4. ImageFolder：
    用于读取不同目录下的图像数据。

5. TensorBoard：
    介绍了使用TensorBoard进行可视化的步骤：
     1. 导入tensorboard并实例化SummaryWriter类，指明日志存放路径。
     2. 调用相应的API接口记录数据。
     3. 启动tensorboard服务。
     4. 在浏览器中查看可视化结果。
   - 展示了如何使用TensorBoard可视化神经网络、损失值和特征图。