深度学习-01 Pytorch

torchvision是一个用于计算机视觉任务的Python包，它是PyTorch的一个扩展库。它提供了一些流行的数据集、模型架构和图像转换函数，以方便用户进行计算机视觉任务的开发和研究。
1.torchvision中包含了许多常用的计算机视觉数据集，如MNIST、CIFAR10、CIFAR100和ImageNet等。用户可以通过简单的接口加载这些数据集，并进行数据预处理、数据增强和数据加载等操作。

2.此外，torchvision还提供了一些常用的计算机视觉模型架构，如AlexNet、VGG、ResNet和DenseNet等。用户可以使用这些预训练的模型，或者根据自己的需求进行微调。

3.在图像转换方面，torchvision提供了一系列的图像预处理和数据增强函数，如裁剪、缩放、翻转、旋转、亮度调整和颜色增强等。这些函数可以用来对图像进行预处理，以提高模型的训练效果。

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])


# train_set=torchvision.datasets.CIFAR10("./dataset",train=True,download=True)
# test_set=torchvision.datasets.CIFAR10("./dataset",train=False,download=True)

# print(test_set[0])
# print(test_set.classes)
#
# img,target=test_set[0]
# print(img)
# print(target)
# print(test_set.classes(target))
# img.show()

# 把所有图片转换为tensor类型
train_set=torchvision.datasets.CIFAR10("./dataset",train=True,transform=dataset_transform,download=True)
test_set=torchvision.datasets.CIFAR10("./dataset",train=False,transform=dataset_transform,download=True)
print(test_set[0])

writer=SummaryWriter("p10")
for i in range(10):
    img,target=test_set[i]
    writer.add_image("test_set",img,i)

writer.close()

DataLoader是PyTorch库中的一个实用工具，用于加载和预处理数据，以供训练和测试深度学习模型使用。它提供了许多功能，使数据加载变得更加高效和灵活。DataLoader的主要功能包括：
1.数据加载和预处理：DataLoader能够自动加载数据，并在需要时进行预处理。它可以从本地磁盘、网络或其他数据源中加载数据，并将其转换为PyTorch张量格式。它还支持数据增强操作，例如随机裁剪、翻转和旋转，以增加训练数据的多样性。

2.批处理和并行处理：DataLoader能够将数据分成小批量进行处理，以加快训练过程。它还支持使用多个CPU核心或GPU对数据进行并行处理，以提高训练的效率。

3.数据打乱和重复：DataLoader能够自动打乱数据的顺序，并可以设置数据的重复次数，以增加训练的随机性和多样性。

4.数据加载器的配置和使用：DataLoader提供了丰富的配置选项，可以根据具体需求进行调整。它还提供了简单易用的API，使得数据加载和使用变得更加方便。