pytorch基础操作

1、 view()的作用相当于numpy中的reshape，重新定义矩阵的形状

x=x.view(-1,32*5*5)#view的功能跟reahape相同，在这里的作用是展平，与torch.flatten功能相同

2、 降维torch.squeeze(input, dim=None, out=None)
3、 增维torch.unsqueeze(input, dim, out=None)
4、安装 pycocotools
Linux: pip install pycocotools
Windows:pip install pycocotools-windows
5、totensor的作用:将PIL图像或者一个numpy的数据转换为tensor格式，将[高度，宽度，通道]转换为[通道，高度，宽度]，并将[0，255]之间的像素值映射到[0，1]

import torchvision.transforms as transforms
transform=transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,0.5,0.5),(0.5,0.5,0.5))
])

6、5中Normalize的作用：使用均值和标准差对tensor进行标准化
7、找到输出中最大的那个值的索引torch.max()

predict_y=torch.max(outputs,dim=1)[1]

8，pytorch中得到的是tensor，如果想得到数值，通过.item（）方法进行获取

running_loss+=loss.item()

accuracy=(predict_y==val_label).sum().item()/val_label.size(0)

9,模型保存和加载

#模型保存
save_path = './lenet.pth'
torch.save(net.state_dict(),save_path)

#模型加载
net=LeNet()
net.load_state_dict(torch.load('lenet.pth'))

10、torch中padding的使用：当padding=（1,2）时，代表上下各补一行0，左右各补两行0

11，如何保证3×3的卷积后特征层的尺寸不变？
让其padding和stride=1即可

如何保证5×5的卷积后特征层的尺寸不变？
让其padding=2、stride=1即可

总结：如何设置padding尺寸使得卷积或者池化后尺寸不变？

根据公式：
输出尺寸=（输入尺寸-核尺寸+2p）/s +1
让padding尺寸=（卷积核或者池化核-1）除以2
即可
12，csdn写博客修改jpg格式图像尺寸：
总结：
1把图片链接中xxx.jpg以后的全删了
2在xxx.jpg后面加上要修改的尺寸，注意 = 前有个空格
3若要居中在xxx.jpg后面加上 #pic_center

pytorch

dir()help()

##