Pytorch学习笔记

两大强大的工具函数：
1.dir ()，打开一个包，输出包内含有的其他子类
2.help ()，帮助文档

help(torch.cuda.is_available)
Help on function is_available in module torch.cuda:
is_available() -> bool
    Returns a bool indicating if CUDA is currently available.

 Pycharm 和 jupyter 使用对比：

python文件的块是文件中的所有行的代码，
　　优点：通用、传播方便、更适用于大型项目
　　缺点：需要从头开始运行所有代码
python控制台中是以每一行为一个块来进行运行的，
　　优点：显示每个变量的属性
　　缺点：报错的提示信息不会被掩盖，不利于代码的阅读和修改
jupyter是以任意行为块运行的，
　　优点：利于代码的阅读和修改
　　缺点：需要配置环境

如何加载数据？

两个强大的类：Dataset、Dataloader（不是很理解这种说法）
Dataset：
提供一种方式去获取数据及其label
告诉我们总共有多少数据

Dataloader:
为后面的网络提供不同的数据形式

Tensorboard 的使用：

 

tensorboard --logdir logs(地址) --port xxxx(指定打开的端口)

 

SummaryWriter 类是按事件的顺序进行写入的

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter("logs")  # 日志
image_path = 'dataset/train/ants_image/0013035.jpg'
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)


writer.add_image("test", img_array, 1, dataformats="HWC")  # 添加图像
for i in range(100):
    writer.add_scalar("y=x", i, i)

writer.close()

# tensorboard --logdir = logs --port = 6007

 

Transforms 的结构及用法：

　　Transaction 指的是transforms.py 文件，内含非常多的处理图片格式转换的方法
　　该文件中的方法可以处理一些特定格式的图片转化，详见源代码

__call__ 方法：
　　该方法可以直接用对象名加圆括号调用，而不需要用对象名 + ‘.' + 方法名 来进行调用