初识PyTorch

查看cuda是否可用

import torch
torch.cuda.is_available()

Dataset

from torch.utils.data import Dataset

help(Dataset)

Dataset小练习

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


class MyDate(Dataset):
    def __init__(self, root_dir, label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)
        self.images = os.listdir(self.path)  # 图片路径的列表

def __getitem__(self, idx):
    img_name = self.images[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.images)


root_dir = "assets/dataset/train"  # 相对路径
ants_label_dir = "ants_image"
bees_label_dir = "bees_image"

bees_data = MyDate(root_dir, bees_label_dir)
ants_data = MyDate(root_dir, ants_label_dir)

train_data = bees_data + ants_data  # 总的数据集

img, label = ants_data[0]  # 获取蚂蚁数据集中的第一张
img.show()  # 展示第一张
print(label)  # 输出：ants_image

Tesorboard

TensorBoard是pytorch下的可视化工具

下载： pip install tensorboard

代码体中要做的事
首先导入tensorboard

from torch.utils.tensorboard import SummaryWriter

这里的SummaryWriter的作用就是，将数据以特定的格式存储到刚刚提到的那个文件夹中。

首先我们将其实例化
writer = SummaryWriter('./path/to/log') 这里传入的参数就是指向文件夹的路径，之后我们使用这个writer对象“拿出来”的任何数据都保存在这个路径之下。

这个对象包含多个方法，比如针对数值，我们可以调用

writer.add_scalar(tag, scalar_value, global_step=None, walltime=None)

这里的tag指定可视化时这个变量的名字，scalar_value是你要存的值，global_step可以理解为x轴坐标。

实例：

for i in range(100):
    writer.add_scalar("y = x", i, i)