pytorch安装说明

一、环境搭建

1、安装anaconda虚拟环境：

① 安装anaconda

② 新建虚拟环境

conda create -n pytorch python=3.6

【备注】

博主建议，安装3.6的python包，比较稳定

③在pytorch虚拟环境中，安装pytorch依赖包

• 进入pytorch官网： https://www.pytorch.org
• 根据电脑情况选择，依赖的各个包（如若：没有NVIDIA显卡，cuda可以选择NONE），如图
• 
• 将上述图片框中命令，复制到coda promote命令行，进行安装pytorh

④ 可以进入命令行，查看pytorch是否安装成功

import torch

⑤ 查看cuda（如果有gpu）是否安装成功

torch.cuda.is_available()

返回：true：表示支持；false：表示不支持

⑥ 可以通过如下命令，查看自己电脑的显卡情况

nvidia-smi

二、两个比较好用的命令

1、dir()：打开对应指令的工具箱

例如：dir(torch.cuda)

2、help()：具体的函数使用说明

例如：help(torch.cuda.is_avaliable)

三、dataset数据类

四、tensorboard数据可视化工具

1、引入tensorboard的方法

from torch.utils.tensorboard  import SummaryWriter

writer = SummartyWriter('tensorboard数据文件夹')

writer.add_image() #  在tensorboard中，显示图片--可以是我们训练过程的中间数据显示

2、查看tensorboard记录的log数据

tensorboard --logdir=logs（具体的tensorboard数据记录文件夹名称） --port=6007（可以指定具体的端口号）

五、torchvision中的transform

1、transform主要是对图片进行变换：

主要借助transforms.py中的不同类实现对图片的不同变换

totensor：将其他类型的图片转换为tensor类型（转为tensor的原因，是深度学习常用的数据结构就是tensor结构，tensor结构包含一些模型训练的属性字段）

resize

2、用法

from torchvision import transforms

3、totensor用法

 4、normalize归一化用法

5、resize用法 

 

【备注】

① 在函数上，使用快捷键ctrl+p；可以查看函数需要的参数

② PIL读取的图片类型是：PIL image

③ opencv读取的图片类型是： numpy.arrary()

六、torchvision使用【视觉领域相关数据集】

1、使用包

torchvision.datasets

2、dataset设定数据集：指定什么数据集

数据集的自动下载，将download设置为True，就会自动下载数据集

3、dataloader是数据集加载器

加载数据，加载多少数据

七、网络搭建

参考官网：PyTorch documentation — PyTorch 1.12 documentation

在torch.nn模块中

1、nn.model

【备注】nn.reshape()形状变换

定义自己的模型类时，要继承nn.Model类，同时，实现里面的两个函数：init()和forward()函数

模型层的定义，写在init函数中

2.nn.torch.conv2d(in_channel, out_channel, kernel_size, stride, padding)

①in_channl：输入通道，彩色图片一般就是3个通道

out_chanel：输出图像的channel数

②kernel_size：卷积核大小；网络训练过程中，其实就是对其进行不断调整的过程

③stride：卷积核移动步数

④padding：原始输入是否进行填充

3、池化层pooling

最常用的maxpool2d：最大池化就是取kernel中的最大值

作用：保留输入数据的特征，同时，将数据量减小

4、非线性激活

作用：对网络引入一些非线性的特质，最常见的nn.Relu、nn.sigmoid；使模型训练出符合各种曲线特征的模型，增强模型的泛化能力

inplace是否对input进行替换 

5、正则化层

作用：加快神经网络的训练速度，用到频率不高

6、recurrent 层

里面包含各种模型，依需求看是否需要，用到频率不高

7、dropout层

作用：以一定概率将某些数据删除，防止过拟合

8、torch.flatten

作用：将数据进行展平，将数据变为一行

9.Liner线性层（input, output）

类似全连接层间，前后的输入输出

七、完整模型训练套路

1、

2、GPU训练方式1

 

【备注】引入cuda就可以，只需要对模型、数据、优化器的基础上，再加上.cuda()即可为GPU方式

3、GPU训练方式2-device

（1）设置设备

device = torch.device("cpu")

或者

device = torch.device("cuda")

后续代码，加上.to(device)即可；同样是对模型、数据、优化器进行添加to(device)

定义设备

4、完整的模型验证