1、Pytorch环境的配置与安装。

（1）建议安装：Anaconda 

（2）检查显卡：GPU

（3）管理环境（不同版本的pytorch 版本不同）：

conda create -n pytorch python=3.6

（4）检测自己的电脑是否可以使用：

2、pytorch编辑器的选择

（1）pycharm （下载社区版）

（2）jupyter （可以交互）

启动本地的jupyter : 

3、为什么torch.cuda.is_available()返回False

（1）检查自己的电脑是否支持GPU（可以用一些电脑管家，eg: 鲁大师等查看）

4、python学习中的两大法宝函数

（1）dir() 函数：打开、看见

（2）help()函数：说明书

# 例子：
torch.cuda.is_available()

5、Pycharm 及Jupyter的使用对比：

Jupyter：（以块为运行单位）

①shift + 回车

# 例子：
print("Start")
a = 'hello world'
b = 2019
c = a + b
print(c)

（1）Pycharm文件

代码是以块为一个整体运行的话；

整改完后，从头开始执行。

python文件的块是所有行的代码。

（2）Pycharm控制台

整改完后，会从错误的地方执行。

以每一行为块，运行的。

（3）Jupyter：

整改完后，从错误的地方开始运行。

以任意行为块运行的。

6、Pytorch加载数据初认识+实战

Dataset：提供一种方式去获取数据及其label。

                ①如何获取每一个数据及其label。

                ②告诉我们总共有多少个数据。

Dataloader：为后面的网络提供不同的数据形式。

step01：下载数据集。

step02：使用数据集，代码如下：

文件夹目录：

from torch.utils.data import Dataset
from PIL import Image
import os


class MyData(Dataset):
    def __init__(self, root_dir, label_dir):
        # self.root_dir = 'pytorch_xiaotudui/bee_ant/dataset'
        # self.label_dir = 'ants'
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)  # 路径拼接
        self.img_path = os.listdir(self.path)   # 获取到图片下的所有地址，以列表的形式展示

    def __getitem__(self, idx):
        img_name = self.img_path[idx]
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label

    def __len__(self):
        return len(self.img_path)


# 获取蚂蚁的数据集
root_dir_out = 'pytorch_xiaotudui/bee_ant/dataset'
ants_label_dir = 'ants'
ants_dataset = MyData(root_dir_out, ants_label_dir)

# 获取蜜蜂的数据集
bees_label_dir = 'bees'
bees_dataset = MyData(root_dir_out, bees_label_dir)


# 两个数据集的集合
train_dataset = ants_dataset + bees_dataset  # 蚂蚁数据集在前，蜜蜂数据集在后

 运行结果：