pytorch学习-入门介绍

一、函数说明工具

• dir() 展示模块内“工具箱"
• help() "工具箱"内工具的介绍

dir(torch)      #torch中的工具
dir(torch.cuda) #torch.cuda中的工具
help(torch.cuda.is_available) #对is_available函数的介绍

二、编辑器的选择

代码是以块为一个整体运行的

1. Pycharm
   以所有行的代码为块
   优点：通用、传播方便、适用于大型项目
   缺点：需要从头运行
2. Python Console
   以每一行的代码为块
   优点：显示每个变量属性
   缺点：不利于代码阅读及修改
3. Jupiter Notebook
   以任意行为块
   优点：利于代码的阅读及修改
   缺点：环境需要配置

三、加载数据

Dataset：提供一种方式去获取数据及其label
Dataloader：为后面的网络提供不同的数据形式

给定数据集，读取文件夹内的数据

from torch.utils.data import Dataset
from PIL import Image
import os


class MyData(Dataset):

    def __init__(self,root_dir,label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir,self.label_dir)
        self.img_path = os.listdir(self.path) #文件夹内所有的文件名

    def __getitem__(self, idx):
        img_name = self.img_path[idx] #第idx个文件的名字
        img_item_path = os.path.join(self.root_dir,self.label_dir,img_name)
        img = Image.open(img_item_path)
        label = self.label_dir
        return img,label #返回文件img和label标签

    def __len__(self):
        return len(self.img_path)



root_dir = "dataset/train"
ants_label_dir = "ants"
bees_label_dir = "bees"
ants_dataset = MyData(root_dir,ants_label_dir)
bees_dataset = MyData(root_dir,bees_label_dir)
train_dataset = ants_dataset + bees_dataset
img,label = train_dataset[123]
img.show()  #第123张图片显示