人工智能图像识别应用基础

Pytorch数据处理工具箱

一、torchvision

二、transforms

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

1）对PIL Image的常见操作如下。

transforms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。

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

三、ImageFolder

1、ImageFolder可以读取不同目录下的图像数据。

2、ImageFolder可以读取不同目录下的图像数据。

运行结果：

3、ImageFolder可以读取不同目录下的图像数据。

四、可视化工具

五、TensorBoard简介

1、使用TensorBoard的一般步骤如下。

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)

 

其中，xxx指的是各种可视化方法。

各种可视化方法如下表所示。

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

六、用TensorBoard可视化神经网络

1、

运行结果：

  

 

 

 

2、

运行结果：

3、

运行结果：