PyTorch深度学习快速入门（b站小土堆）p8-15笔记

最新推荐文章于 2024-03-06 20:13:00 发布

Youyali_

最新推荐文章于 2024-03-06 20:13:00 发布

阅读量615

点赞数

文章标签：深度学习 pytorch 人工智能

本文链接：https://blog.csdn.net/Youyali_/article/details/125398105

版权

这篇博客介绍了PyTorch深度学习的入门知识，包括使用Tensorboard进行可视化，常见的数据处理Transforms，如何结合dataset和transforms，以及如何通过DataLoader加载数据。此外，还提供了应对数据下载速度慢的解决方案，建议使用迅雷下载并指导了如何将下载的数据导入Python环境。

摘要由CSDN通过智能技术生成

PyTorch深度学习快速入门（b站小土堆）p5-6笔记

tensorboard

from torch.utils.tensorboard import SummaryWriter
#按住Ctrl，鼠标移到SummaryWriter上，点入即可看到官方定义

#创建实例
writer = SummaryWriter("logs")
#将事件文件存储到logs文件夹下

for i in range(100):
    #使用的是add_scalar
    writer.add_scalar("y=x",i,i) #标题，y轴，x轴
    #writer.add_scalar("y=2x",2*i,i)

writer.close()

安装tensorboard

打开窗口

from torch.utils.tensorboard import SummaryWriter
import numpy as py
from PIL import Image

#创建实例
writer = SummaryWriter("logs")
#将事件文件存储到logs文件夹下

image_path = "图片的相对地址"
img_PIL = Image.open(image_path) #打开图片
#把图片类型转为numpy.array型
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)#如果图片是（H,W,3）类型࿰