深度学习Pytorch（二）

最新推荐文章于 2024-05-20 18:15:00 发布

Bgemini

最新推荐文章于 2024-05-20 18:15:00 发布

阅读量159

点赞数

分类专栏：深度学习文章标签：深度学习 pytorch python

本文链接：https://blog.csdn.net/stormxie/article/details/129431448

版权

本文介绍了Python文件、控制台、Jupyter在深度学习中的使用对比，PyTorch中Dataset和Dataloader类的数据加载方式，以及如何使用TensorBoard进行add_scalar和add_image的可视化。通过具体代码示例展示了数据读取和TensorBoard的配置过程。

摘要由CSDN通过智能技术生成

深度学习Pytorch（二）

前言：关于Pycharm终端显示PS而不显示虚拟环境名

解决办法：

打开Pycharm的设置（File——>setting）,找到Tools，点击Terminal
可以看到Shell path处给的路径是powershell.exe,所以终端才会一直显示PS
将此处路径改为 C:\Windows\system32\cmd.exe,一般路径都是这个，改好之后点击OK即可
关掉设置后重新打开终端，就可以看到自己的虚拟环境名了

一、Python文件、Python控制台、Jupyter的对比

代码是以块为一个整体运行的话：

Python文件：块是所有行的代码

优点：通用，传播方便，适用于大型项目

缺点：需要从头运行

Python控制台：以任意行为块运行

优点：显示每个变量属性

缺点：不利于代码阅读及修改

Jupyter：以任意行为块运行的

优点：利于代码阅读及修改

缺点：环境需要配置

二、Pytorch加载数据

Dataset类：

提供一种方式去获取数据及其label，它的功能是如何获取每一个数据及其label，并告诉我们总共有多少的数据

Dataloader类：

为后面的网络提供不同的数据形式

在Pycharm中创建一个read_data的Python文件
```
from torch.utils.data import Dataset
help(Dataset)  #或者直接使用Dataset??
```
使用以上代码可以查看Dataset类的用法

下面是读取数据的具体代码

from torch.utils.data import Dataset
from PIL import Image
import os
class MyData(Dataset):
    def __init__(self,root_dir,label_dir):     #root_dirw为ants目录上层目录，label_dir为ants目录，此ants目录的目录名即为标签名
        self.root_dir=root_dir
        self.label_dir=label_dir
        self.path=os.path.join(self.root_dir,