Pytorch框架学习

一 、Pytorch加载数据

这一部分有空再补

二、Dataset代码实战

from torch.utils.data import Dataset
from PIL import Image
import cv2
import os

class Mydata(Dataset):
    def __init__(self,root_dir,label_dir):
        self.root_dir=root_dir
        self.label_dir=label_dir
        #合并：相当于root_dir目录下的某一类
        self.path=os.path.join(self.root_dir,self.label_dir)
        #root_dir目录下的某一类里的全部 整个数据集
        self.img_path=os.listdir(self.path)

    def __getitem__(self,idx):
        #idx相当于数组中的下标
        img_name=self.img_path[idx]
        #图片的位置
        img_item_path=os.path.join(self.root_dir,self.label_dir,img_name)
        #读取图片 需要 from PIL import Image
        img=Image.open(img_item_path)
        label=self.label_dir
        return img,label

    def __len__(self):
        #数据集的长度，即有多少张图片
        return len(self.img_path)

root_dir="data/test"
blur_label_dir="blur"
cover_label_dir="cover"
blur_dataset=Mydata(root_dir,blur_label_dir)
cover_dataset=Mydata(root_dir,cover_label_dir)
#两个数据集的集合
train_dataset=blur_dataset+cover_dataset

三、TensorBoard的使用

1、add_scalar()的使用（常用来绘制train/val loss）

#从torch的工具箱(utils)中导出tensorboard这个类
from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter("logs")

#writer.add_image()
#y=x
for i in range(100):
    writer.add_scalar("y=2x",2*i,i)

writer.close()

#以上运行后会创建一个logs文件夹


#在终端运行以下命令会实现绘制y=x图像
tensorboard --logdir=logs

2、add_image()的使用

#从torch的工具箱(utils)中导出tensorboard这个类
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer=SummaryWriter("logs")

image_path="data/test/blur/1.jpeg"
img_PIL=Image.open(image_path)
#把jpeg类型的图片转换为numpy类型
img_array=np.array(img_PIL)
#输出图片的类型
print(type(img_array))

print(img_array.shape)


writer.add_image("test",img_array,1,dataformats='HWC')