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)
相关推荐
岁月宁静2 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
梯度下降者3 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
forest_093 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区4 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔5 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区5 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
starzy19905 小时前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
努力的MM1235 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI5 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能