pytorch学习1-数据加载以及Tensorboard可视化工具

系列文章目录

1. pytorch学习1-数据加载以及Tensorboard可视化工具
2. pytorch学习2-Transforms主要方法使用
3. pytorch学习3-torchvisin和Dataloader的使用
4. pytorch学习4-简易卷积实现
5. pytorch学习5-最大池化层的使用
6. pytorch学习6-非线性变换（ReLU和sigmoid）
7. pytorch学习7-序列模型搭建
8. pytorch学习8-损失函数与反向传播
9. pytorch学习9-优化器学习
10. pytorch学习10-网络模型的保存和加载
11. pytorch学习11-完整的模型训练过程

---

---

一、pytorch数据加载

#加载数据并显示
from torch.utils.data import Dataset
from PIL import Image
class Mydata(Dataset):
    def __init__(self,root_dir,label_dir):
        #root_dir是根地址（目录），lobel_dir是图片目录
        self.root_dir=root_dir
        self.label_dir=label_dir
        self.path=os.path.join(self.root_dir,self.label_dir)#地址拼接
        self.img_path=os.listdir(self.path)#将这个目录下的东西变成一个列表

    def __getitem__(self, idx):
        img_name=self.img_path[idx]
        img_item_path=os.path.join(self.root_dir,self.label_dir,img_name)#这一次拼接就得到了个体图片的路径
        img=Image.open(img_item_path)
        label=self.label_dir
        return img,label
    def __len__(self):
        return len(self.img_path)
root_dir="dataset/hymenoptera_data/train"
ants_label_dir="ants"
ants_dataset=Mydata(root_dir,ants_label_dir)
img,label=ants_dataset[1]#也可以写成img,label=ants_dataset.__getitem__(1)
img.show()
print(img.size)
#加载数据并显示

二、Tensorboard可视化工具的使用

#Tensorboard（可视化工具）的使用
from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")#这个类是用来保存训练过程中的各种信息，第一个参数是要保存到哪儿去

img_path="data/train/bees_image/16838648_415acd9e3f.jpg"
img=Image.open(img_path)
img_array=np.array(img)

writer.add_image("test",img_array,2,dataformats="HWC")#此函数对于图片的参数有要求（默认接收tensor数据类型的图片），比如说这个图片是（高h，宽w，通道数c），需要在后面指定参数位置，默认是（通道数，高，宽）
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)#前三个参数分别是标题、y轴（数值），x轴（训练的第几步）
writer.close()
#Tensorboard（可视化工具）的使用

总结

以上就是今天要讲的内容，使用pytorch进行数据加载以及Tensorboard可视化工具的基础使用方法