d2l的一些库解析，用到什么补充什么【深度学习+d2l+torch】

图像查看与显示

因为全文都是使用jupyter打开的，所以会使用一下%matplotlib inline
所以先简单解释一下%matplotlib inline

%matplotlib

使用%matplotlib命令可以将matplotlib的图表直接嵌入到Notebook之中，或者使用指定的界面库显示图表，它有一个参数指定matplotlib图表的显示方式。inline表示将图表嵌入到Notebook中。
python提供了很多%magic行命令，可以用%magic查看都有哪些命令，在命令后添加？可以查看命令具体作用

当然，这里需要提一下的是，这些内置magic在pycharm里是不支持的，所以是不能在pycharm中使用

这个说完了，接下来进入正题

set_figsize()

首先我们来看李沐老师的d2l包

def set_figsize(figsize=(3.5, 2.5)):
    """Set the figure size for matplotlib.

    Defined in :numref:`sec_calculus`"""
    use_svg_display()
    d2l.plt.rcParams['figure.figsize'] = figsize

这里调用了一个方法，分别是use_svg_display()，对一个字典进行了赋值
d2l的定义如下：

import sys
d2l = sys.modules[__name__]

其实就是一个参数存储与传递的作用
然后use_svg_display()就在这个函数上当，简单来说就是进行一下设置，

from matplotlib_inline import backend_inline

def use_svg_display():
    """Use the svg format to display a plot in Jupyter.

    Defined in :numref:`sec_calculus`"""
    backend_inline.set_matplotlib_formats('svg')

全部的作用也就是设置成矢量图罢了
就是设置matplotlib的formats

d2l.Image.open()

Image.open()大家用的比较多的是PIL的Image.open，实际上也是一个意思，他只是吧Image导入进来了，也就是说其实去掉d2l也能正常运行，只是要import一下PIL包而已，同样的是plt.show()，李沐老师所作的只是帮我们进行了一下import。


所以运行结果是一样的

之后我们解析一下show_images()方法：

show_images()

批量显示图片是plt一个比较常用的功能了，掌握一下也是挺好的，这种偏向于功能和基础向的东西李沐老师一般是不喜欢说的

def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
    """Plot a list of images.

    Defined in :numref:`sec_utils`"""
    figsize = (num_cols * scale, num_rows * scale)
    _, axes = d2l.plt.subplots(num_rows, num_cols, figsize=figsize)
    axes = axes.flatten()
    for i, (ax, img) in enumerate(zip(axes, imgs)):
        try:
            img = d2l.numpy(img)
        except:
            pass
        ax.imshow(img)
        ax.axes.get_xaxis().set_visible(False)
        ax.axes.get_yaxis().set_visible(False)
        if titles:
            ax.set_title(titles[i])
    return axes

参数需要五个，两个含有默认值
imgs是图片的输入list，然后就是高宽个数
然后解释一下plt.subplot的作用以及用法
简单来说，这个函数就是把figure分为row*cols个子图，写法也比较多样。
比如

plt.subplot(232)
plt.subplot(2,3,2)
#这两者作用是相同的，简单来说就是把figure分为2*3，同时选择展平之后的第2个位置
matpltlib.pyplot.figure(
num = None,               # 设定figure名称。系统默认按数字升序命名的figure_num（透视表输出窗口）e.g. “figure1”。可自行设定figure名称，名称或是INT，或是str类型；
figsize=None,             # 设定figure尺寸。系统默认命令是rcParams["figure.fig.size"] = [6.4, 4.8]，即figure长宽为6.4 * 4.8；
dpi=None,                 # 设定figure像素密度。系统默命令是rcParams["sigure.dpi"] = 100；
facecolor=None,           # 设定figure背景色。系统默认命令是rcParams["figure.facecolor"] = 'w'，即白色white；
edgecolor=None, frameon=True,    # 设定要不要绘制轮廓&轮廓颜色。系统默认绘制轮廓，轮廓染色rcParams["figure.edgecolor"]='w',即白色white；
FigureClass=<class 'matplotlib.figure.Figure'>,   # 设定使不使用一个figure模板。系统默认不使用；
clear=False,                     # 设定当同名figure存在时，是否替换它。系统默认False，即不替换。
**kwargs)

那么plt.subplots呢？
很简单，就是一次性得到所有层和画布
有两个返回值，一个是就是画布fig，第二个就是ax，也就是块
所以就很容易理解了，李沐老师通过一个循环进行了每个块的赋值，zip合并，然后增加个enumerate只是为了多产生一个i进行计数。
这部分的笔记我是结合数据增广那一章来的，所以就是简单进行一些转换吧。