1. functools.partial：用于固定（从左到右固定）一个函数的参数，相当于返回一个新函数
2. nn.InstanceNorm2d：pytorch中的归一化层
1. 参数：
1. affine如果为True则归一化中使用的参数为可学习的，否则为固定的
2. 如果 track_running_stats 设置为 True ，则在训练过程中该层将继续对其计算的均值和方差进行连续估算，然后将其用于评估期间的标准化。
3. lr_scheduler.LambdaLR定义优化器中学习率的变化函数
4. torch.nn.DataParallel：将网络放到多个GPU上加速训练
5. register_buffer：用于定义模型中的常数
1. register_buffer的作用是将torch.ones(2,3)这个tensor注册到模型的 buffers() 属性中，并命名为a,这代表a对应的是一个持久态，不会有梯度传播给它，但是能被模型的state_dict记录下来。可以理解为模型的常数。注意，没有保存到模型的 buffers() 或 parameters() 属性中的参数是不会被记录到state_dict中的，在 buffers() 中的参数默认不会有梯度，parameters() 中的则相反。
6. torch.nn.BCELoss(weight=None, size_average=None, reduce=None, reduction=‘mean’)计算目标值和预测值之间的二进制交叉熵损失函数。
7. nn.ReflectionPad2d：函数用途：对输入图像以最外围像素为对称轴，做四周的轴对称镜像填充。
8. ReplicationPad2d：使用输入边界的复制对输入张量进行填充。
