python_pytorch

小土堆pytotch学习视频链接

from的是一个个的包（package)

import 的是一个个的py文件(file.py)

所使用的一般是文件中的类(.class)

第一步实例化所使用的类,然后调用类中的方法（def)

Torchvision 数据集

数据集使用（CIFAR-10为例）

import torchvision
#结合transforms,转换为tensor类型
#不转换为PIL图片类型
dataset_transforms=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

train_data=torchvision.datasets.CIFAR10(root="./content",train=True,transform=dataset_transforms,download=True)
test_data=torchvision.datasets.CIFAR10(root="./content",train=False,transform=dataset_transforms,download=True)
print(train_data[0]) #数据集为图像数据和标签的结合
print(train_data.classes)

#训练过程可视化回顾练习
from torch.utils.tensorboard import SummaryWriter
write=SummaryWriter("/content/logg")
for i in range(10):
  write.add_image("dataset_test",train_data[i][0],i)
write.close()
# tensorboard logdir="log"

Dataloader

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ubjDwd7O-1676287048820)(C:\Users\13099\AppData\Roaming\Typora\typora-user-images\image-20230213185036194.png)]$

Dataloader(dataset,batch_size,suffle,numworkers)

以打扑克为例，理解常用的几个参数

dataset:牌堆

batch_size:一次抓几张牌

suffle:是否打乱洗牌

num_workers:一共有几个人在打牌玩

import torchvision
from torch.utils.data import DataLoader
test_data=torchvision.datasets.CIFAR10(root="./content",train=False,transform=torchvision.transforms.ToTensor())
test_dataloader=DataLoader(dataset=test_data,batch_size=128,shuffle=True,num_workers=0,drop_last=False)

for data in test_dataloader:
  img,target=data
  print(img.shape)
  print(target)