pytorch学习整理

  本人现在是北邮人工智能专业大二的小趴菜。由于大一的时候摆烂导致没啥技术储备，大二决定痛改前非。现在开一个专题来记录自己阅读pytorch框架的过程。也算是一种监督学习了吧（）。

闲盐少许，开始我们第一天Datatest的学习。

至于为什么第一天不是tensor，昨天忘了写文章了......

这是pytorch的官方文档。有需要可以阅读

Datasets & DataLoaders

官网很直白的告诉我们了，我们再写代码的时候很可能遇到一些问题。之中一个问题就是预处理的代码会很混乱并且难以维护。pytorch提供给我们两个可读性更高和模块化更好的方法。并且pytorch允许我们使用预加载数据集（当然肯定支持我们自己的数据集）。这三个是dataset的库：

torch.utils.data.DataLoadertorch.utils.data.DatasetDatasetDataLoaderDataset

此外，pytorch还提供了很多预加载的数据集。这些库可以进行基准函数的测试。这里就不放连接了，可以到上面的网址查看。

loding data set:

接下来是一个加载数据集的实例。这个数据集是Fashion-MNIST ，来自torchversion由 60,000 个训练示例和 10,000 个测试示例组成。 每个示例都包含一个 28×28 灰度图像和一个来自 10 个类之一的关联标签。

#引入的必要的头文件
import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt


training_data = datasets.FashionMNIST(#这是训练集，实例化对象training——test
    root="data",#创建相对路径，在你的项目所在文件夹新建一个data名字文件夹，你可以自己取名
    train=True,
    download=True,#允许从互联网下载数据集，大小大概80M
    transform=ToTensor()#转换成tensor类型
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

#创建了一个字典，方便下文打印输出对应属性图片的名字
labels_map = {
    0: "T-Shirt",
    1: "Trouser",
    2: "Pullover",
    3: "Dress",
    4: "Coat",
    5: "Sandal",
    6: "Shirt",
    7: "Sneaker",
    8: "Bag",
    9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))#创建一个画布，大小为8*8英寸
cols, rows = 3, 3#行数列数为3，3
for i in range(1, cols * rows + 1):#打印九次，1到10
    sample_idx = torch.randint(len(training_data), size=(1,)).item()#随机数函数，样本索引是#一个随机数，从上面创建training_data选择图片
    img, label = training_data[sample_idx]#图片，标签是训练集里的图片，标签是字典里的数字
#这里有个点：训练集里面的标签是数字，而为了方便阅读，名字是我们自己取名的，放在上面字典里
    figure.add_subplot(rows, cols, i)#在3*3的网格里创建i个子图
    plt.title(labels_map[label])#打印对应字典里的标签
    plt.axis("off")#隐藏坐标轴
    plt.imshow(img.squeeze(), cmap="gray")#黑白显示
plt.show()#打印输出

从官网我们得知，一个数据集必须要有三个基本的方法：

__init__, __len__, and __getitem__

写入，长度和获取内容

下面是创建自己的数据集的代码：

import os  # 处理文件路径的包
import pandas as pd  # 读取CSV文件的包
from torchvision.io import read_image  # 读取tensor格式图像


class CustomImageDataset(Dataset):#创建一个自己的数据集的类
    def __init__(self, annotations_file, img_dir, transform=None, target_transform=None):#构造函数，继承Dataset
        #使得pytorch可以处理这个类  ps：什么是python继承？
        self.img_labels = pd.read_csv(annotations_file)#csv文件夹路径
        self.img_dir = img_dir#存储文件夹路径
        self.transform = transform#图像处理方法
        self.target_transform = target_transform#标签处理方法

    def __len__(self):
        return len(self.img_labels)#获取数据集长度

    def __getitem__(self, idx):#获取数据方法
        img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])#给出图片，图片标签路径
        image = read_image(img_path)#读取图片
        label = self.img_labels.iloc[idx, 1]#获取标签
        if self.transform:#如果有转换，进行转换
            image = self.transform(image)
        if self.target_transform:
            label = self.target_transform(label)
        return image, label#返回图片标签

使用数据集：

from torch.utils.data import DataLoader#批量化加载工具，自动打乱数据多线程加载

train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True)
#shuffle是打乱数据，防止过拟合
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True)
# Display image and label.
train_features, train_labels = next(iter(train_dataloader))
#获取train_dataloder迭代器，并获取下一轮数据
print(f"Feature batch shape: {train_features.size()}")
print(f"Labels batch shape: {train_labels.size()}")
img = train_features[0].squeeze()#去除维度为1的元素
#eg：[3,2,1,1,3]->[3,2,3]
label = train_labels[0]
plt.imshow(img, cmap="gray")#灰度图像
plt.show()
print(f"Label: {label}")

至此完成了引用数据集，创建自己的数据集，和使用数据集的方法。楼主看文档的时候忘记python的继承了，复习一下。

继承：

class Parent:
    def func1(self):
        print("这是父类的方法")

class Child(Parent):  # 继承 Parent 类
    def func2(self):
        print("这是子类的方法")

# 创建子类对象
c = Child()
c.func1()  # 继承父类方法
c.func2()  # 子类自己的方法

结果：

这是父类的方法
这是子类的方法

子类的括号里面是父类，上文自己创建的数据集括号内是Dataset,这个类继承自dataset，可以使用pytorch的类的方法，更方便后续的操作。

class CustomImageDataset(Dataset):#创建一个自己的数据集的类

此外还支持多重继承（继承爸爸妈妈类），多层继承（继承爸爸爷爷类）和方法的重写，这里就不赘述了。

写在最后：

题主第一次写文章，肯定会有错误，欢迎广大大佬斧正！