1、torchvision中数据集的使用
认识官方的一些数据集
Datasets --- Torchvision 0.22 documentation
试了一下CIFAR10数据集，知道了如何下载官方数据集和展示他们去tensorboard中
python
import torchvision
from torch.utils.tensorboard import SummaryWriter
#处理数据集
dataset_transform = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
#下载数据集
train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True,transform=dataset_transform, download=True)
#下载测试集
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=dataset_transform, download=True)
#将图片显示到tensorboard上
writer = SummaryWriter("p10")
for i in range(10):
img,target = test_set[i]
writer.add_image("test_set", img, i)
print(test_set[0])
writer.close()
DataLoader的使用
python
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
#准备测试集
test_data = torchvision.datasets.CIFAR10('./dataset', train=False, transform=torchvision.transforms.ToTensor())
#批量输入设置
test_loader = DataLoader(test_data,batch_size=64, shuffle=True,num_workers=0,drop_last=True)
#测试数据集中第一张图片及target
img ,target = test_data[0]
print(img.shape)
print(target)
writer = SummaryWriter("dataloader")
step = 0
for epoch in range(2):
for data in test_loader:
imgs ,targets = data
writer.add_images(f'epoch:{epoch}',imgs,step)
step += 1
# print(imgs.shape)
# print(targets)
writer.close()
DataLoader 是 PyTorch 数据加载的"管家"，用来帮你批量（batch）取数据、打乱顺序（shuffle）、多线程提速（num_workers）。
基本用法
python
from torch.utils.data import DataLoader
import torchvision
train_data = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=..., download=True)
train_loader = DataLoader(dataset=train_data, batch_size=64, shuffle=True, num_workers=2)| 参数 | 作用 |
|---|---|
dataset |
传入 Dataset 对象，比如 CIFAR10 |
batch_size |
一次取多少张图片（例如 64 张一批） |
shuffle |
是否打乱顺序 （True 用于训练时打乱数据） |
num_workers |
使用多少个线程加速数据读取（常见是 0、2、4，根据你电脑配置） |
🌟 小建议
-
shuffle=True👉 训练时常开，防止模型记住样本顺序； -
shuffle=False👉 测试时不开，保持固定顺序； -
num_workers：-
Windows：建议
0或2（多了容易报错）； -
Linux：可以
4或8，CPU 核心多可以更高；
-
-
batch_size看你显存大小来选，一般 32、64 起步，爆显存就减。
神经网络的基本骨架 nn.Module
torch.nn.Module 是 PyTorch 神经网络模块的核心基类，所有的神经网络模型都应该继承自它。它帮你把模型的参数 、网络层 、前向传播逻辑很好地封装起来，同时提供了很多实用功能，比如参数自动管理、模块嵌套、方便的模型保存与加载等。
基本概念
作用：
-
封装网络结构
-
封装可训练参数
-
提供 forward() 方法定义前向传播
所有你写的神经网络模型都应该继承 torch.nn.Module，并且重写 __init__() 和 forward() 方法。
| 特点 | 说明 |
|---|---|
| 模块化设计 | 模型由很多子模块组成，可以嵌套 |
| 参数自动管理 | 定义 nn.Linear、nn.Conv2d 等时，参数自动注册 |
| forward() | 定义前向传播逻辑 |
| 保存加载方便 | .state_dict() 搭配 torch.save() |
-
Module就是一个"神经网络的容器 🧳"，把层、参数、操作逻辑统统塞进去，训练和推理时自动调用，简单省事。 -
你只负责定义"拼装逻辑"，剩下交给 PyTorch 🤖。
python
import torch
from torch import nn
class Tudui(nn.Module):
def __init__(self):
super().__init__()
def forward(self,input):
output = input + 1
return output
tudui = Tudui()
x = torch.tensor(1.0)
output = tudui(x)
print(output)tudui(x) 本质上等价于 tudui.forward(x)，底层走的是 __call__() 魔术方法。
先学一下什么是卷积
📌 一、通俗解释：什么是卷积？
卷积（Convolution）本质上是一种**"滑窗提取特征"**的操作。
你可以想象：
-
有一张图片（二维矩阵），
-
有一个小的"滤镜"（也就是卷积核 kernel），
-
这个滤镜从图片的左上角滑动到右下角，
-
每次滑动的时候：
-
截取一小块图像；
-
"乘起来加起来"，输出一个特征值；
-
-
最终得到一张新的"特征图"。
🎨 类比：
-
图片 = 原始食材 🍅
-
卷积核 = 刀工+调料 🧂
-
卷积 = 切切切 ➡️ 做出不同味道的菜
🧮 二、数学定义
二维卷积的核心公式：
翻译成人话：
- "输入的一个小窗口"和 "卷积核"做对应元素相乘、求和，得到输出特征图的某个点值。
📌 三、核心关键点
| 关键词 | 说明 |
|---|---|
| 卷积核（Kernel） | 一组小矩阵，自动学习提取特征 |
| 滑动窗口（Stride） | 每次移动多少步 |
| 填充（Padding） | 是否对原图边缘补0 |
| 特征图（Feature Map） | 卷积完得到的新"图片" |
🚩 四、为什么用卷积？
✅ 稀疏连接 ：只关注局部区域，计算量小
✅ 参数共享 ：同一个 kernel 在整张图上滑动，用的参数一样
✅ 自动特征提取：不用人工设计特征，模型自己学！
📈 五、视觉演示（文字版）
假设你有：
输入图片：
1 2 3
4 5 6
7 8 9
卷积核：
1 0
0 -1
第一步：卷积核滑到左上角：
1×1+2×0+4×0+5×(−1)=1−5=−41×1 + 2×0 + 4×0 + 5×(-1) = 1 - 5 = -41×1+2×0+4×0+5×(−1)=1−5=−4
然后继续滑动......
输出就是一个新的小矩阵（特征图）。
📌 总结：
"卷积是一个滑动窗口，乘加求和，输出特征的操作，用于提取局部特征，让神经网络自己学会抓重点。"
卷积对神经网络有啥用
卷积的作用用一句话总结：
"卷积帮神经网络自动提取特征 ，让网络看懂图片、视频、音频的局部模式。"
🟣 一、卷积的三大核心价值
| 作用 | 解释 | 通俗类比 |
|---|---|---|
| 1️⃣ 局部特征提取 | 卷积只看输入的一小块区域，能抓住边缘、纹理、角落特征 | 人眼不会每次全局看图，先看局部细节 |
| 2️⃣ 参数共享 | 一个卷积核滑遍整张图，参数大大减少（不用每个像素都单独学参数） | 用同一把尺子测量不同区域，简单省事 |
| 3️⃣ 平移不变性 | 卷积对图像的位移/平移不敏感，核心特征能被稳定抓取 | 你走到房间不同角落，认识椅子的能力不变 |
🟢 二、对神经网络的作用
| 神经网络 | 有了卷积后 | 实际表现 |
|---|---|---|
| 无卷积（全连接层） | 参数量超大，训练慢，特征难以提取 | 很难直接处理图片等高维输入 |
| 有卷积 | 参数少，学特征快，模型更稳健 | 成功应用于图像识别、目标检测、语音识别 |
🎁 三、直观例子
-
第一层卷积学：边缘、轮廓
-
第二层卷积学：角、纹理
-
第三层卷积学：简单物体形状
-
深层卷积学：复杂物体（猫脸、车轮...）
例子 ✅：
-
卷积神经网络 CNN：图片分类（ResNet、VGG）
-
YOLO/SSD：目标检测
-
U-Net/SegNet：图像分割
-
WaveNet：语音生成
✅ 四、核心总结：
| 卷积 = 特征提取神器 ✅ |
| 它让神经网络具备看懂图片 、捕捉特征 、少参数高效率三大核心竞争力。|
torch.nn.functional.conv2d
📌 一、作用总结
torch.nn.functional.conv2d() = 手动卷积操作，不自动管理参数 。
核心用途：
-
想手动传入卷积核 weight/bias；
-
用自定义的卷积逻辑；
-
实现轻量推理、特定卷积算法。
📝 二、标准用法
python
torch.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)📊 三、参数详解
| 参数 | 含义 | 常见用法 |
|---|---|---|
input |
输入张量 [batch, in_channels, height, width] |
如 [1, 3, 32, 32] |
weight |
卷积核 [out_channels, in_channels // groups, kernel_h, kernel_w] |
你得自己准备 |
bias |
可选，偏置 [out_channels] |
默认 None |
stride |
步长，单个数字或 (h, w) | 默认 1 |
padding |
填充 | 默认 0，不补零 |
dilation |
卷积核膨胀系数 | 默认 1，标准卷积 |
groups |
分组卷积 | 默认 1，group conv 或 depthwise 用 |
python
import torch
input = torch.tensor([[1,2,0,3,1],
[0,1,2,3,1],
[1,2,1,0,0],
[5,2,3,1,1],
[2,1,0,1,1]])
kernel = torch.tensor([[1,2,1],
[0,1,0],
[2,1,0]])
input = torch.reshape(input,(1, 1, 5, 5))
kernel = torch.reshape(kernel ,(1, 1, 3, 3))
output = torch.nn.functional.conv2d(input, kernel,stride=1)
print(output)结果：
python
E:\Anaconda3\envs\pytorch\python.exe E:\pytorch_learn\nn.conv.py
tensor([[[[10, 12, 12],
[18, 16, 16],
[13, 9, 3]]]])
进程已结束，退出代码为 0stride（步长）等于2时：
python
E:\Anaconda3\envs\pytorch\python.exe E:\pytorch_learn\nn.conv.py
tensor([[[[10, 12],
[13, 3]]]])
进程已结束，退出代码为 0padding就是在举证四周填充
python
import torch
input = torch.tensor([[1,2,0,3,1],
[0,1,2,3,1],
[1,2,1,0,0],
[5,2,3,1,1],
[2,1,0,1,1]])
kernel = torch.tensor([[1,2,1],
[0,1,0],
[2,1,0]])
input = torch.reshape(input,(1, 1, 5, 5))
kernel = torch.reshape(kernel ,(1, 1, 3, 3))
output = torch.nn.functional.conv2d(input, kernel,stride=1, padding=1)
print(output)结果：
python
E:\Anaconda3\envs\pytorch\python.exe E:\pytorch_learn\nn.conv.py
tensor([[[[ 1, 3, 4, 10, 8],
[ 5, 10, 12, 12, 6],
[ 7, 18, 16, 16, 8],
[11, 13, 9, 3, 4],
[14, 13, 9, 7, 4]]]])
进程已结束，退出代码为 0