PyTorch自学&遇到的一些错误

为什么是false?

①检查GPU是否支持CUDA?

支持

理解Package结构及法宝函数的作用

pytorch就像一个工具箱

dir():打开操作,能看到里面有什么东西---->dir(torch)

help():说明书---->help(torch.cuda.is_available)

From torch.utils.data import Dataset

pytorch如何读取数据?

①Dataset

提供一种方式去获取数据及其label

如何获取每一个数据及其label

告诉我们总共有多少的数据

②Dataloader

为网络提供不同的数据形式

Tensorboard的使用

Global_step:x轴

Scalar_value:y轴

如何读取logs里面的文件

PS F:\HDU\PyTorchStudy> tensorboard --logdir=logs

指定端口:tensorboard --logdir=logs --port=6007

结果:有图像展示

图像变换,transform的使用

利用numpy.array(),对PIL图片进行转换

torchvision中的transforms:对图像进行一个变换

Transforms.py 工具箱

Totensor/resize/。。。

图片--->工具 --->结果

结果:

tensor([[[0.3137, 0.3137, 0.3137, ..., 0.3176, 0.3098, 0.2980],

0.3176, 0.3176, 0.3176, ..., 0.3176, 0.3098, 0.2980\], \[0.3216, 0.3216, 0.3216, ..., 0.3137, 0.3098, 0.3020\], ..., \[0.3412, 0.3412, 0.3373, ..., 0.1725, 0.3725, 0.3529\], \[0.3412, 0.3412, 0.3373, ..., 0.3294, 0.3529, 0.3294\], \[0.3412, 0.3412, 0.3373, ..., 0.3098, 0.3059, 0.3294\]\], \[\[0.5922, 0.5922, 0.5922, ..., 0.5961, 0.5882, 0.5765\], \[0.5961, 0.5961, 0.5961, ..., 0.5961, 0.5882, 0.5765\], \[0.6000, 0.6000, 0.6000, ..., 0.5922, 0.5882, 0.5804\], ..., \[0.6275, 0.6275, 0.6235, ..., 0.3608, 0.6196, 0.6157\], \[0.6275, 0.6275, 0.6235, ..., 0.5765, 0.6275, 0.5961\], \[0.6275, 0.6275, 0.6235, ..., 0.6275, 0.6235, 0.6314\]\], \[\[0.9137, 0.9137, 0.9137, ..., 0.9176, 0.9098, 0.8980\], \[0.9176, 0.9176, 0.9176, ..., 0.9176, 0.9098, 0.8980\], \[0.9216, 0.9216, 0.9216, ..., 0.9137, 0.9098, 0.9020\], ..., \[0.9294, 0.9294, 0.9255, ..., 0.5529, 0.9216, 0.8941\], \[0.9294, 0.9294, 0.9255, ..., 0.8863, 1.0000, 0.9137\], \[0.9294, 0.9294, 0.9255, ..., 0.9490, 0.9804, 0.9137\]\]\]) ![](https://file.jishuzhan.net/article/1746871261402763265/5e96e99dc00e3e63ee6dfdadd29e3fba.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/cfd71df386c3d85a59d6cc106804c6a6.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/e3feb9428cdc9e3e43a5f119616520b2.webp) 常见的Transforms |----|---------|--------------| | 输入 | PIL | Image.open() | | 输出 | tensor | ToTensor() | | 作用 | narrays | Cv.imread() | call的使用 ![](https://file.jishuzhan.net/article/1746871261402763265/e17856a99ccb951375c46342f8cd7891.webp) __call__Hello zhangsan Hellolisi ![](https://file.jishuzhan.net/article/1746871261402763265/4edd01065ec9dd84ff03c23cda2a308b.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/cf193eeb53a3d36636da3e76133802bc.webp) 归一化:Normalize output\[channel\] = (input\[channel\] - mean\[channel\]) / std\[channel

<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=500x333 at 0x232A68BC488>
tensor(0.8863)
tensor(0.7725)

Resize()的使用

(500, 333)
tensor([[[0.8863, 0.8824, 0.8745, ..., 0.8392, 0.8392, 0.8392],

0.8824, 0.8784, 0.8706, ..., 0.8392, 0.8392, 0.8392\], \[0.8784, 0.8745, 0.8667, ..., 0.8353, 0.8353, 0.8353\], ..., \[1.0000, 1.0000, 1.0000, ..., 0.8314, 0.8314, 0.8314\], \[1.0000, 1.0000, 1.0000, ..., 0.8314, 0.8314, 0.8314\], \[1.0000, 1.0000, 1.0000, ..., 0.8314, 0.8314, 0.8314\]\], \[\[0.1451, 0.1412, 0.1333, ..., 0.8471, 0.8471, 0.8471\], \[0.1451, 0.1412, 0.1333, ..., 0.8471, 0.8471, 0.8471\], \[0.1490, 0.1451, 0.1373, ..., 0.8431, 0.8431, 0.8431\], ..., \[0.8275, 0.8275, 0.8275, ..., 0.8549, 0.8549, 0.8549\], \[0.8275, 0.8275, 0.8275, ..., 0.8549, 0.8549, 0.8549\], \[0.8275, 0.8275, 0.8275, ..., 0.8549, 0.8549, 0.8549\]\], \[\[0.1686, 0.1647, 0.1569, ..., 0.4275, 0.4275, 0.4275\], \[0.1686, 0.1647, 0.1569, ..., 0.4275, 0.4275, 0.4275\], \[0.1686, 0.1647, 0.1569, ..., 0.4235, 0.4235, 0.4235\], ..., \[0.0078, 0.0078, 0.0078, ..., 0.4235, 0.4235, 0.4235\], \[0.0078, 0.0078, 0.0078, ..., 0.4235, 0.4235, 0.4235\], \[0.0078, 0.0078, 0.0078, ..., 0.4235, 0.4235, 0.4235\]\]\]) ![](https://file.jishuzhan.net/article/1746871261402763265/789e87ed010a5c07703f06da68073f4a.webp) Compose()用法 数据需要时transforms类型,所以得到Compose(\[transforms参数1,transforms参数2,...\]) ![](https://file.jishuzhan.net/article/1746871261402763265/78a42eb6a2c3ceaef27c52e3823a8743.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/e93566292b39805eb547b9eae836dbad.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/d95a597481cf1f97851995c8b30bd47d.webp) RandomCrop ![](https://file.jishuzhan.net/article/1746871261402763265/bb3d26eba6c49099293b52ac76d98835.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/bc0011f0ac8afe04481c04b6625887cd.webp) ![](https://file.jishuzhan.net/article/1746871261402763265/354f9ae838b5a32c3d3e28302f73da0b.webp) 关注输入和输出类型 多看官方文档 关注方法需要什么参数 不知道返回值的时候 \*print \*print(type()) \*debug DataLoader的使用 例: Dataloader(batch_size=4) Img0,target0 = dataset\[0

Img1,target1 = dataset[1]

Img2,target2 = dataset[2]

Img3,target3 = dataset[3]

Getitem():

Return img,target

神经网络的搭建nn.Module

相关推荐
luofeiju4 分钟前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
测试者家园6 分钟前
基于DeepSeek和crewAI构建测试用例脚本生成器
人工智能·python·测试用例·智能体·智能化测试·crewai
张较瘦_10 分钟前
[论文阅读] 人工智能 + 软件工程 | Call Me Maybe:用图神经网络增强JavaScript调用图构建
论文阅读·人工智能·软件工程
大模型真好玩11 分钟前
准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(四)——微软GraphRAG代码实战
人工智能·python·mcp
前端付豪18 分钟前
11、打造自己的 CLI 工具:从命令行到桌面效率神器
后端·python
前端付豪18 分钟前
12、用类写出更可控、更易扩展的爬虫框架🕷
后端·python
Baihai_IDP24 分钟前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁29 分钟前
Pytorch torch
人工智能·pytorch·python
拓端研究室1 小时前
专题:2025即时零售与各类人群消费行为洞察报告|附400+份报告PDF、原数据表汇总下载
大数据·人工智能
网安INF1 小时前
深度学习中的逻辑回归:从原理到Python实现
人工智能·python·深度学习·算法·逻辑回归