Pytorch小土堆

1.Pytorch环境配置及安装

1.1python安装3.6版本，旧的比较稳定（不过视频是2019年的）

1.2pytorch安装：https://pytorch.org/；选择稳定版1.1以上即可，选了1.3版本；windows选择conda；language选择python3.6；cuda是要根据显卡来选，有英伟达显卡时推荐使用cuda9.2（看视频，独立显卡要安装显卡驱动的，驱动程序版本也有一定要求，实验室的应该是可以正常使用的吧，使用这部分需要的话再看视频）==>复制指令，在自己创建的环境下，粘贴回车进行安装==>是否需要下载那些包，选择yes，里面有我们需要的pytorch1.3.0和cudatoolkit9.2.0（若使用conda安装不顺畅 就用pip安装）

检验是否安装成功：import torch没问题；torch.cuda.is_available()返回True

2.Python编辑器

2.1Pycharm

创建一个新项目 选择位置 project-learn_pytorch；选择已存在的 Existing interpreter，点三个点浏览；选择Conda Enviroment（我的显示找不到conda执行文件，选择Virtualenv Enviroment），Interpreter选择Anaconnda3的安装目录的envs-pytorch-python.exe；点击ok就看到Existing interpreter已经导入了==>create

python console在那输入可以看到变量的具体值等；ctrl+c：取消

2.2jupyter

下载Annaconda时已经下载好了，但是是在base环境里；那么我自己创建的新环境下要再安装jupyter==>conda activate pythorch==>conda install nb_conda若装不上看视频弹幕==>jupyter notebook

3.Python学习中的两大法宝函数

dir()函数：打开，看见里面工具箱及工具箱中的分隔区有啥，括号里填“工具箱或工具箱.某个分隔区”；help()函数：说明书，工具是如何使用的，工具的使用方法，括号里填“工具箱.分隔区.具体某个工具”

pycharm中，按住ctrl键，鼠标放到类，同时其变成蓝色，左键单击进去就可以看到介绍

4.Pycharm（Python文件、控制台）及jupyter使用对比

略

启发==>日后学习尝试使用pycharm的debug功能

pycharm的Terminal可以pip install....

pycharm：ctrl+P：看提示要输入什么

pycharm：不区分大小写进行tab补全代码-->设置：搜case找到Code Completion把Match case取消

---

5.Pytorch加载数据

5.1Dataset

数据集：提供一种方式去获取数据及其label

5.2Dataload

数据装载器：为后面的网络提供不同数据方式，类似打包

6.Dataset类代码实战

具体看视频

小细节记录：

1）把数据的文件夹放在项目文件夹下，复制某张图片的路径可以在pycharm那右击该图片，copy path绝对路径或copy relative path相对路径

2）windows系统的文件地址要两个反斜杠\\表示转义字符，copy path过来的若只有一个\要加上，或者在前面写r，或者使用一个左斜杠就行/

7.TensorBoard的使用

探究不同阶段时的输出

7.1SummaryWriter：可以用来显示训练集的损失函数的值变化（torch.utlis）

7.1.1add_scalar()

writer = SummaryWriter("文件夹名") #实例化，将创建并把事件文件存在该文件夹下
writer.add_scalar("标题", scalar_value即y轴, global_step即x轴)

writer.close

打开这个画的图，在anaconda prompt中输入：（要在该项目的环境下噢，否则要activate）

tensorboard --logdir=文件夹名 --port=6007

7.1.2add_image()

writer.add_image("标题", Tensor类型的图片, i作为第i张图片)

注意image的type有要求，对于输入的image的shape，默认通道在前，否则需要设置参数

打开方式与上面的相同

也就是说，在tensorboard上显示图片，图片必须是tensor类型

7.2transforms（torchvision）

比较常用的：

transforms.ToTensor()：将图片类型转换成Tensor类型

transforms.Normalize()：归一化

transforms.Resize()：修改图片的高度和宽度(h,w)，若只填一个值就是以最小边等比例缩放(?)

transforms.RandomCrop()：随机裁剪为(h,w)或只填一个参数就(size,size)

transforms.Compose([transforms实例化1, transforms实例化2])：对图片依次从左到右多步操作；这样实例化好后，输入就按transforms实例化1的要求来，但是注意实例化1的输出类型要满足实例化2的输入要求

总结transforms的使用方法：

1.多看官方文档！

2.关注方法的输入和输出类型；关注方法需要填入什么参数，即没有默认值的参数

3.若方法的输出类型没写时，有三种方法去查看：print()  print(type())  在要看的地方打上断点debug后查看参数属性栏