一、使用jupyter
进行调试
1.1 好处
- 将代码置入后,实时的看到变量的数值
- 可以看到变量的数据类型和具体的数值
查看关键参数
1.2 tensor数据类型
关键参数
- 反向传播算法
- 梯度
- 梯度的方法
- 图片的具体数值
- 使用的设备
包装了神经网络学习需要的一些相关参数
将数据转换成tensor型,进行数据训练
二、使用opencv
安装openvc
三、很重要的编码小技巧
3.1 明白参数需要什么
运用函数库中的方法后
- 使用
Ctrl+p
查看当前参数 - 在显示出来的东西后,查看对应的参数
- 根据实际情况和需要进行分配使用
3.2 编码
发亮的东西表示的是必填的东西
- 后面暗色的参数表示可选,当然已经有默认值了
- 一般情况下没必要加进行改动
在实例化的过程中,注意使用的东西是什么?
- 如果是类,就要建立一个类对象
3.3 理解代码运行的结果
最好的结果就是没结果
- 不要有任何多余的消息出现
- 程序退出的状态码是0
四、专业英语
- inspect 检测,监测,检查
- reference 参考,引用
- transforms 转换转变
- traceback回溯(最近一次调用):
很多东西见名知意
五、本节代码
from PIL import Image
# 打开一张图片
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
img_path = 'data/train/ants_image/0013035.jpg'
img = Image.open(img_path) # 打开一张图片后,打开了什么东西要接收一下
print('当前的img数据类型是:'+str(type(img)))
writer = SummaryWriter('logs')
# 当前图片的数据类型是PIL的,需要将它转换位TENSOR型的
# 1. 先将工具拿出来
tensor_trans = transforms.ToTensor()
# 2. 原工具怎么用,现在这个初始化的东西就怎么用
img_tensor = tensor_trans(img)
print('当前ing的数据类型是:'+str(type(img_tensor)))
# 使用图片的tensor数据类型作为输入
writer.add_image("Tensor_img", img_tensor)
# writer用完之后,要主动关闭
writer.close()
看到最近一次的训练结果,有日期记录的