总结
-
框架原理真的深入某一部分具体的代码和实现方式时,要多注意到细节,不要只能写出一个框架。
-
算法方面很薄弱的,最好多刷一刷,不然影响你的工资和成功率😯
-
在投递简历之前,最好通过各种渠道找到公司内部的人,先提前了解业务,也可以帮助后期优秀 offer 的决策。
-
要勇于说不,对于某些 offer 待遇不满意、业务不喜欢,应该相信自己,不要因为当下没有更好的 offer 而投降,一份工作短则一年长则 N 年,为了幸福生活要慎重选择!!!
喜欢这篇文章文章的小伙伴们点赞+转发支持,你们的支持是我最大的动力!
三、测试数据集和数据展示
接下来,从CIFAR10数据集中获取一张图像和其对应的目标标签,以及使用TensorBoard进行数据可视化:
# 测试数据集中第一张图片及其target
img, target = test_data[0]
print(img.shape)
print(target)
writer = SummaryWriter("logs")
for epoch in range(2):
step = 0
for data in test_loader:
imgs, targets = data
writer.add_images("Epoch:{}".format(epoch), imgs, step)
step = step + 1
writer.close()
- 从
test_data
中获取第一张图像和其对应的目标标签。 - 使用
SummaryWriter
创建一个TensorBoard写入器,以便于数据可视化。 - 通过循环迭代数据批次,将图像数据添加到TensorBoard中,以不同的命名空间标识不同的迭代步骤。
完整代码如下:
import torchvision
from torch.utils.tensorboard import SummaryWriter
from torch.utils.data import DataLoader
# 准备测试数据集
# 使用torchvision加载CIFAR10测试数据集,将数据集保存在指定的根目录,并将图像转换为张量形式
test_data = torchvision.datasets.CIFAR10(root="D:\\Python_Project\\pytorch/dataset2", train=False, transform=torchvision.transforms.ToTensor())
# 创建数据加载器
test_loader = DataLoader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=True)
# 测试数据集中第一张图片及其target
img, target = test_data[0]
print(img.shape)
print(target)
# 创建一个TensorBoard写入器,将日志保存到名为"logs"的文件夹
writer = SummaryWriter("logs")
# 迭代两个周期(epochs)
for epoch in range(2):
step = 0
# 遍历测试数据加载器
for data in test_loader:
imgs, targets = data
# 添加图像数据到TensorBoard,使用不同的命名空间标识不同的迭代步骤
writer.add_images("Epoch:{}".format(epoch), imgs, step)
step = step + 1
# 关闭TensorBoard写入器
writer.close()
参考资料:
视频教程:PyTorch深度学习快速入门教程(绝对通俗易懂!)【小土堆】
最后
四轮技术面+一轮hr面结束,学习到了不少,面试也是一个学习检测自己的过程,面试前大概复习了 一周的时间,把以前的代码看了一下,字节跳动比较注重算法,面试前刷了下leetcode和剑指offer, 也刷了些在牛客网上的面经。大概就说这些了,写代码去了~
祝大家都能收获大厂offer~
篇幅有限,仅展示部分内容