pytorch学习1

一、重要函数

dir():查看有哪些工具；

help（）：查看使用的方法及返回值。

按住Ctrl，鼠标点到相应的函数，可以显示该函数的用法和解释。

可以去除大小写设置，能够自动匹配。

 

二、python文件运行以块代码（所有代码）运行；python控制台以条代码运行；jupyter以任意型为块运行。

三、tensorboard 使用中，避免与其他人使用同一端口，可以自己设置。
tensorboard --logdir=logs --port=6007

显示内容有重复现象时，可以删除子文件。

 四、从PIL到numpy,需要在 add_image()中指定shape中每一个数字/维表示

如：

 

五、 transform.py相当于Python中一个工工具箱，可以把特定格式的图片转换为相应的tensor/PIL 等格式。注意输入和输出，多看官方文档；关注方法的参数；不知道返回值时，print（type（））；

 transforms学习代码。

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("dataset/train/ants/5650366_e22b7e1065.jpg")
print(img)

#totensor的使用
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
writer.add_image("Totensr", img_tensor)

#Normalize使用
print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.5, 0.5,0.5],[0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor)
print(img_norm[0][0][0])
writer.add_image("Normalize", img_norm)

#Rseize
print(img.size)
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)
#img_resize PIL -> totensor -> img_resize tensor
img_resize = trans_totensor(img)
writer.add_image("Resize", img_resize, 0)
print(img_resize)

#compose - resize - 2
trans_resize_2 = transforms.Resize(512)
#PIL -> PIL -> tensor
trans_compose = transforms.Compose([trans_resize_2,trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Resize", img_resize_2, 1)

#RandomCrop
trans_random = transforms.RandomCrop(215, 1000)
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])#trans_random随机裁剪
for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop", img_crop, i)


writer.close()