第九节课课堂总结

课堂总结：

DataLoader：可以批量处理。

 语法结构如右所示。

data.DataLoader(

   dataset,

   batch_size=1,

   shuffle=False,

   sampler=None,

   batch_sampler=None,

   num_workers=0,

   collate_fn=,

   pin_memory=False,

   drop_last=False,

   timeout=0,

   worker_init_fn=None,

)

DataLoader：可以批量处理。相关参数介绍如下所示。

dataset	加载的数据集。
batch_size	批大小。
shuffle	是否将数据打乱。
sampler	样本抽样。
num_workers	使用多进程加载的进程数，0代表不使用多进程。
collate_fn	如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可。
pin_memory	是否将数据保存在锁页内存（pin memory区），其中的数据转到GPU会快一些。
drop_last	dataset 中的数据个数可能不是 batch_size的整数倍，drop_last为True会将多出来不足一个batch的数据丢弃。

DataLoader：可以批量处理。

 

 

提供了对PIL Image对象和Tensor对象的常用操作。 

2）对Tensor的常见操作如下

如果要对数据集进行多个操作，可通过Compose将这些操作像管道一样拼接起来，类似于nn.Sequential

transforms提供了对PIL Image对象和Tensor对象的常用操作。 

 

ImageFolder可以读取不同目录下的图像数据。

 

 

 

TensorBoard简介

TensorBoard的使用一般步骤如下。

1） 导入tensorboard，实例化SummaryWriter类，指明记录日志路径等信息

 

from torch.utils.tensorboard import SummaryWriter

#实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。

writer = SummaryWriter(log_dir='logs')

#调用实例

writer.add_xxx()

#关闭writer

writer.close()

使用TensorBoard的一般步骤如下。

2）调用相应的API接口，接口一般格式为：

 

add_xxx(tag-name, object, iteration-number)

#即add_xxx(标签，记录的对象，迭代次数)

使用TensorBoard的一般步骤如下。

3）启动tensorboard服务。cd到logs目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径或绝对路径。

 

tensorboard --logdir=logs --port 6006   

#如果是windows环境，要注意路径解析，如

#tensorboard --logdir=r'D:\myboard\test\logs' --port 6006

4）Web展示。在浏览器输入：

 

http://服务器IP或名称:6006  #如果是本机，服务器名称可以使用localhost

用TensorBoard可视化损失值

 

运行结果：