pytorch学习1

最新推荐文章于 2025-08-13 23:16:12 发布

卍郝凝卍

最新推荐文章于 2025-08-13 23:16:12 发布

阅读量603

点赞数 12

CC 4.0 BY-SA版权

分类专栏： pytorch 文章标签： pytorch 学习人工智能

本文链接：https://blog.csdn.net/qq_52057773/article/details/138606288

封面

加载数据

1.pytorch加载数据

Pytorch中加载数据需要Dataset、Dataloader：

Dataset提供一种方式去获取每个数据及其对应的label，告诉我们总共有多少个数据。

Dataloader为后面的网络提供不同的数据形式，它将一批一批数据进行一个打包。

2.常用的两种数据集形式

常用的第一种数据形式，文件夹的名称是它的label。
常用的第二种形式，lebel为文本格式，文本名称为图片名称，文本中的内容为对应的label。

3.用路径直接加载数据

from PIL import Image

img_path = "Data/FirstTypeData/train/ants/0013035.jpg"        
img = Image.open(img_path)
img.show()

4.dataset加载数据

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

class MyData(Dataset):     
    def __init__(self,root_dir,label_dir):    # 该魔术方法当创建一个事例对象时，会自动调用该函数
        self.root_dir = root_dir # self.root_dir 相当于类中的全局变量
        self.label_dir = label_dir     
        self.path = os.path.join(self.root_dir,self.label_dir) # 字符串拼接，根据是Windows或Lixus系统情况进行拼接               
        self.img_path = os.listdir(self.path) # 获得路径下所有图片的地址
        
    def __getitem__(self,idx):
        img_name = self.img_path[idx]
        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
    
    def __len__(self):
        return len(self.img_path)
    
root_dir = "Data/FirstTypeData/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)
print(len(ants_dataset))
print(len(bees_dataset))
train_dataset = ants_dataset + bees_dataset # train_dataset 就是两个数据集的集合了     
print(len(train_dataset))

img,label = train_dataset[200]
print("label：",label)
img.show()

tensorboard使用

1.Tensorbosrd的用途

Tensorboad 可以用来查看loss是否按照我们预想的变化，或者查看训练到某一步输出的图像是什么样。

2.Tensorboard写日志

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs") # 创建一个logs文件夹，writer写的文件都在该文件夹下
#writer.add_image()
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)
writer.close()