深圳高端网站制作价格做网站用什么语言快

当前位置： 首页 > news >正文

深圳高端网站制作价格,做网站用什么语言快,成立公司需要几个人,长沙建站网站前言 该pytorch学习笔记应该配合b站小土堆的《pytorch深度学习快速入门教程》使用 环境配置#xff1a;Anaconda Python编译器#xff1a;pycharm、jupyter 两大法宝函数 dir#xff08;#xff09;#xff1a;知道包中有什么东西#xff08;函数 / 属性..…前言 该pytorch学习笔记应该配合b站小土堆的《pytorch深度学习快速入门教程》使用 环境配置Anaconda             Python编译器pycharm、jupyter  两大法宝函数 dir知道包中有什么东西函数 / 属性… help查看函数的使用说明 1. Dataset类代码实战 from torch.utils.data import Dataset from PIL import Image #PIL 图像处理第三方库pillow import os# 创建类 class MyData(Dataset):# init 创建对象时自动调用 用于初始化对象属性def init(self,label,path): #实例方法默认第一个参数self需要接收到一个实例self.label labelself.path path #私有属性公有化(路径)self.img_path os.listdir(self.path) #获取所有列表地址# getitem 对实例对象 根据index进行索引def getitem(self, idx):img_name self.img_path[idx]img_item_path os.path.join(self.path,img_name) #路径拼接img Image.open(img_item_path) #获取对应图像信息label self.labelreturn img,label# 返回列表长度def len(self):return len(self.img_path)# 创建实例 ants_dataset MyData(ants,rD:\python code\pythonProject\dataset\train\ants) len(ants_dataset) img,label ants_dataset[5] img.show()bees_dataset MyData(bees,rD:\python code\pythonProject\dataset\train\bees)# 拼接数据集 train_dataset ants_dataset bees_dataset len(train_dataset) 2.Tensorboard TensorBoard 是一组用于数据可视化的工具  TensorBoard的使用 主要是使用SummaryWriter类中的 .add_image图片可视化 以及 .add_scalar数据可视化方法一般来说只接受tensor或numpy类型的图像数据 from tensorboardX import SummaryWriter #导入类########## .add_scalar数据可视化 ############ writer SummaryWriter(logs) #创建实例 logs为文件名for i in range(100):writer.add_scalar(y2x,2*i,i)writer.close()########### .add_image图像可视化 ###########writer SummaryWriter(logs)writer.add_image(标题,tensor或numpy数据)writer.close() 3.Transforms 3.1 Tensor数据类型的意义 Tensor数据类型包装了 神经网络理论所需要的一些参数 3.2 常见的transform工具 transform如何使用 transform是一个工具箱里面有很多 类如ToTensor、resize一般我们根据类去实例化出具体的对象然后再利用call函数将对象当作函数调用 3.2.1 数据类型转换 ToTensor将numpy或PIL Image类型的图片 转化为 tensor类型  ToPILImage将tensor或numpy数据类型 转化为 PIL Image类型 from torchvision import transforms from PIL import Image img_path rD:\python code\pythonProject\dataset\train\ants\0013035.jpg img Image.open(img_path) print(img)# 将PIL Image类型图片转化为tensor tensor_trans transforms.ToTensor() # 创建实例工具 tensor_img tensor_trans(img) # 利用call内置方法 像函数一样调用实例使用工具 3.2.2  其他 注意事项1.关注输入输出类型       2.学会看官方文档按住CTRL点相应函数 方法transform工具说明input归一化Normalize 对数据进行标准化处理         实例化mean std列表 调用tensor类型 规格调整 Resize调整输入图片的规格大小 实例化序列 调用PIL类型 组合Compose 将多个transforms变换组合在一起 并按照顺序执行 实例化 含transform的list 随机裁剪RandomCrop 根据给定规格随机裁剪图片 实例化序列 代码示例 from PIL import Image from torchvision import transforms from tensorboardX import SummaryWriterwriter SummaryWriter(logs) img Image.open(rD:\python code\pythonProject\image\OIP-C.jpg) print(img)# ToTensor trans_tensor transforms.ToTensor() tensor_img trans_tensor(img)writer.add_image(ToTensor,tensor_img) #用Tensorboard可视化# Normalize 归一化 print(tensor_img[0],[0],[0]) #归一化之前 trans_norm transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5]) #图片为RGB三通道所以三个均值三个标准差 norm_img trans_norm(tensor_img) print(tensor_img[0],[0],[0]) #归一化之后writer.add_image(Normalize,norm_img) #用Tensorboard可视化# Resize 调整规格 print(img.size) #img为PIL数据类型 trans_resize transforms.Resize((512,512))# 将size调整为512*512 resize_img trans_resize(img) # resize_img为PIL数据类型 print(resize_img) resize_img trans_tensor(resize_img) # resize_img转换为tensor数据类型 writer.add_image(Resize,resize_img,0)# Compose 组合 trans_resize2 transforms.Resize((256,1024)) #调整规格 trans_compose transforms.Compose([trans_tensor,trans_resize2]) #先转换数据类型 再调整规格 compose_img trans_compose(img) #调用实例 writer.add_image(Compose,compose_img,1)# RondomCrop 随机裁剪 trans_random transforms.RandomCrop(100) trans_compose2 transforms.Compose([trans_random,trans_tensor]) for i in range(10):randomcrop_img trans_compose2(img)writer.add_image(RandomCrop,randomcrop_img,i)writer.close() #最后在下方终端输入 tensorboard –logdir文件名logs 即可打开tensorboard 4.torchvision中的数据集 torchvision专门用于处理图像其主要包含三个部分model包提供了训练好的模型、dataset包提供大量数据集、transform包对Tensor或PIL image图像进行转换处理 dataset中的内置数据集使用 —— 以CIFAR-10数据集为例 CIFAR-10数据集          由 10 个类的 60000 张 32x32 彩色图像组成每个类有 6000 张图像。          有 50000 张训练图像和 10000 张测试图像。 注图像.show   只能对PIL图像使用如果是含PIL和其它参数的元组无法使用 代码示例  在 torchvision.datasets.CIFAR10的参数中可以直接选用设定好的transform工具直接导入处理好的数据 import torchvision from tensorboardX import SummaryWriter# 与transforms进行联动 dataset_transfrom torchvision.transforms.Compose([torchvision.transforms.ToTensor(),torchvision.transforms.Resize(128)]) #先Tensor 后调整大小# 导入数据集 —— 训练集与测试集(注意后面的参数) train_set torchvision.datasets.CIFAR10(rootrD:\python code\pythonProject\dataset,train True,downloadTrue,transformdataset_transfrom) test_set torchvision.datasets.CIFAR10(rootrD:\python code\pythonProject\dataset,train False,downloadTrue,transformdataset_transfrom)writer SummaryWriter(logs2) for i in range(10):img,target test_set[i] #等号后 为 含tensor图像信息和图像标签target的元组writer.add_image(torchvision,img,i)writer.close() #!!!不要忘记关闭读写 5.dataloader的使用 简介         Dataloader是一个数据读取机制它由数据集dataset和采样器(sampler)两个模块组成。主要是根据sampler提供的索引在dataset中读取数据。         Dataloader的主要目的是将数据分批读取计算节省显存 示例 import torchvision from torch.utils.data import DataLoader from tensorboardX import SummaryWriter#准备测试的数据集(主要是说明数据集的位置) test_data torchvision.datasets.CIFAR10(rootrD:\python code\pythonProject\dataset,trainFalse,transformtorchvision.transforms.ToTensor())# batch_size每次抽出多少样本 shuffle是否打乱样本顺序 test_loader DataLoader(datasettest_data,batch_size64,shuffleTrue,num_workers0)# 查看每次抽取出的样本 writer SummaryWriter(dataloader) step 0 for data in test_loader:imgs,targets datawriter.add_images(test_data,imgs,step)step step 1writer.close() #最后在下方终端输入 tensorboard –logdir文件名 即可打开tensorboard