1、pytorch中关于 shuffle=True 的注解:今天在看代码,看到这句,查了之后才知道,原来是为了打乱数据集,然后每次都以不同的顺序返回;
train_loader = torch.utils.data.DataLoader(train_set, batch_size=32, shuffle=True, num_workers=0)
2、看到nn.Sequential(),其实代表的是一个Sequential容器,主要是将括号里面的内容按照构造函数中的顺序添加进模块中,如下面,是AlexNet模型的子模块,用nn.Sequential()进行添加;
self.features = nn.Sequential( nn.Conv2d(3, 48, kernel_size=11, stride=4, padding=2) nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=3, stride=2), nn.Conv2d(48, 128, kernel_size=5, padding=2), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=3, stride=2), nn.Conv2d(128, 192, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(192, 192, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(192, 128, kernel_size=3, padding=1), nn.ReLU(inplace=True), nn.MaxPool2d(kernel_size=3, stride=2), )
3、还有一个就是在图像处理中最常见的一个图形库torchvision,因为我使用的是pytorch框架, 所以处理图像时经常见到torchvision库,由以下四个构成:
- torchvision.datasets : 一些加载数据的函数和一些常用的数据集接口;
- torchvision.models : 一些常用的模型结构(含预训练模型),如Alexnet、VGG等;
- torchvision.transforms : 包含一些常用的图形转换,可以将图片转化为张量,对图片进行裁剪、旋转、归一化处理等;
- torchvision.utils : 其他有用的方法;
详细信息可以参考这篇哦~~ transforms.Compose()类详解:串联多个transform操作
最后外加一个今天遇到的关于图片路径的问题:
- ./ 代表的是当前目录
- ../ 代表的是上一级目录,另外在Linux中回到上一级操作 cd ..
- ../.. 代表的是上两级目录,在Linux中回到上两级操作 cd ../..
小白故事多,做为一名新手小白,未来学习道路漫长啊啊啊啊~~~~