Neural Network笔记1

Anaconda

conda activate pytorch

Dataset和Dataloader

Dataset：提供一种方式去获取数据及其label（如何获取每一个数据及其label+告诉我们一共有多少数据）

Dataloader：为后面的网络提供不同的数据形式

Tensorboard的使用

读数字

from torch.utils.tensorboard import SummaryWriter

# 将对应的事件文件存储到logs文件夹下
writer = SummaryWriter("logs")

# scalar 标量
# tag(str): Data identifier 类似title
# scalar_value(float or string / blobname): Value to save y轴
# global_step(int): Global step value to record 要记录的全局步长值 x轴
# y = x
for i in range(100):
    writer.add_scalar("y=2x", 2*i, i)
writer.close()

--logdir = 事件文件所在的文件夹名

--port = 指定端口，防止冲突

tensorboard --logdir=logs

 若是同一tag（y=2x)，add_scalar了两次，log里事件会累加，可以按需要删除logs下所有的文件，然后重新开始

for i in range(100):
    writer.add_scalar("y=2x", 2*i, i)
for i in range(100):
    writer.add_scalar("y=2x", 3*i, i)

读图片

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

# 将对应的事件文件存储到logs文件夹下
writer = SummaryWriter("logs")
image_path = "data/train/bees_image/17209602_fe5a5a746f.jpg"
img_PIL =  Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
#(512, 768, 3)高度，宽度，通道
print(img_array.shape)

# tag (str): Data identifier
# img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): Image data
# global_step (int): Global step value to record
writer.add_image("test", img_array, 3, dataformats='HWS')

writer.close()

transform的使用（图像变换）

transforms.py工具箱：totensor、 resize ---->可以处理特定格式的图片

torchvision和dataset的结合使用

root：数据集在什么位置

train：为True则是训练集，False则是测试集

transform：对数据集内图片做怎么样的变换

target_transform：对target进行transform

download：为True时，自动从网络下载数据集到root的位置，若已经下载，则不会再次下载

reshape(-1,1)

reshape（行，列）可以根据指定的数值将数据转换为特定的行数和列数，这个好理解，就是转换成矩阵。

reshape(-1,1)这里的-1被理解为unspecified value，意思是未指定为给定的。如果我只需要特定的列数，行数多少我无所谓，我只需要指定列数，那么行数直接用-1代替就行了，计算机帮我们算赢有多少行，反之亦然。所以-1在这里应该可以理解为一个正整数通配符，它代替任何整数。