Pytorch工具箱2

utils.data.Dataset
- 用于定义数据集，__getitem__方法一次只能获取一个样本。
utils.data.DataLoader
语法结构：

data.DataLoader(
dataset,
batch_size=1,
shuffle=False,
sampler=None,
batch_sampler=None,
num_workers=0,
collate_fn=,
pin_memory=False,
drop_last=False,
timeout=0,
worker_init_fn=None,
)

torchvision.ImageFolder

相关参数：
- dataset：加载的数据集。
- batch_size：批大小。
- shuffle：是否将数据打乱。
- sampler：样本抽样。
- num_workers：使用多进程加载的进程数，0代表不使用多进程。
- collate_fn：如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式即可。
- pin_memory：是否将数据保存在锁页内存（pin memory区），其中的数据转到GPU会快一些。
- drop_last：dataset中的数据个数可能不是batch_size的整数倍，drop_last为True会将多出来不足一个batch的数据丢弃。

torchvision.transforms

提供了对PIL Image对象和Tensor对象的常用操作。
对PIL Image的常见操作：
- Scale/Resize：调整尺寸，长宽比保持不变。
- CenterCrop、RandomCrop、RandomSizedCrop：裁剪图像。
- Pad：填充。
- ToTensor：把一个取值范围是[0,255]的PIL.Image转换成Tensor。
- RandomHorizontalFlip：图像随机水平翻转。
- RandomVerticalFlip：图像随机垂直翻转。
- ColorJitter：修改亮度、对比度和饱和度。
可以读取不同目录下的图像数据。
- 对Tensor的常见操作：
  - Normalize：标准化，即减均值，除以标准差。
  - ToPILImage：将Tensor转为PIL Image。
- 组合操作 ：如果要对数据集进行多个操作，可通过Compose将这些操作像管道一样拼接起来，类似于nn.Sequential。
可视化工具TensorBoard
- 使用步骤：
  1. 导入tensorboard，实例化SummaryWriter类：
复制代码
```
  from torch.utils.tensorboard import SummaryWriter
  # 实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。
  writer = SummaryWriter(log_dir='logs')
  # 调用实例
  writer.add_xxx()
  # 关闭writer
  writer.close()
```
- 调用相应的API接口：
  - 接口一般格式为：add_xxx(tag-name, object, iteration-number)，其中xxx指的是各种可视化方法，如：
    - Scalar：用于可视化单一数值，例如损失值、准确率等随训练过程的变化。
    - Image：用于可视化图像数据。
    - Figure：用于可视化图形或复杂的图表。
    - Histogram：用于可视化数据的分布。
    - Audio：用于可视化音频数据。
    - Text：用于可视化文本数据，例如模型生成的文本或训练日志。
    - Graph：用于可视化计算图结构。
    - ONNX Graph：用于可视化ONNX模型的计算图结构。ONNX是开放神经网络交换格式。
    - Embedding：用于可视化高维数据的低维表示。例如，t-SNE或PCA降维后的词向量或特征。
    - PR Curve：用于可视化精确度-召回率曲线。
    - Video Summaries：用于可视化视频数据。
- 启动tensorboard服务：
  - cd到logs目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径或绝对路径：
  复制代码
```
  tensorboard --logdir=logs --port 6006
  # 如果是windows环境，要注意路径解析，如
  tensorboard --logdir=r'D:\myboard\test\logs' --port 6006
```
  - Web展示：
    - 在浏览器输入：http://服务器IP或名称:6006（如果是本机，服务器名称可以使用localhost）

torchvision.ImageFolder

torchvision.transforms

可视化工具TensorBoard