PyTorch 介绍

PyTorch是由Feacbook开源，基于Torch二次开发的Python机器学习库，用于自然语言处理等应用程序。PyTorch既能够看作加入了GPU支撑的numpy，一起也能够看成一个拥有自动求导功用的强大的深度神经网络。

PyTorch 环境建立

1. 装置开发工具和python

pycharm下载

anaconda下载，装置教程自行百度~~

2. 创立项目

  • 挑选 Conda 创立新环境

  • 挑选 python 版别

    快速入门深度学习 PyTorch（保姆级教程）第一期

  • 创立完成后，能够看到当前环境

    快速入门深度学习 PyTorch（保姆级教程）第一期

3. 装置PyTorch环境

  • 咱们能够去PyTorch官方：https://pytorch.org/get-started/locally/ 进行挑选，然后履行官方指令装置。

    快速入门深度学习 PyTorch（保姆级教程）第一期

  • 也能够经过pip直接装置PyTorch

    # cpu用户
pip installtorch==2.0.0

# gpu用户
# 只支撑英伟达的显卡
# 需求提早装置 cuda ，我这儿是11.7，一切下面指定cu117
# 假如已经装置了cuda不知道什么版别，能够经过 nvidia-smi 指令查看
pip install torch==2.0.0 --index-url https://download.pytorch.org/whl/cu117

    在终端履行

    快速入门深度学习 PyTorch（保姆级教程）第一期

  • 验证PyTorch是否装置成功

    在python控制台履行 import torch，没有报错阐明装置成功

    快速入门深度学习 PyTorch（保姆级教程）第一期

  • 验证PyTorch是否支撑GPU

    在python控制台履行 torch.cuda.is_available()，回来 True 阐明能够运行在显卡上

    快速入门深度学习 PyTorch（保姆级教程）第一期

4. 熟悉PyTorch都有什么

咱们能够经过 dir 和 help 来熟悉

  • 经过 dir 看torch都有哪些工具包

    快速入门深度学习 PyTorch（保姆级教程）第一期

  • 经过 help 看torch.cuda.is_available的用法和阐明

    快速入门深度学习 PyTorch（保姆级教程）第一期

PyTorch 学习

一、学习 Dataset

Dataset是什么东西，有什么作用

快速入门深度学习 PyTorch（保姆级教程）第一期

咱们将运用此 数据集 进行演示（也能够用自己的~~）

  1. 由所以图片数据集，咱们需求提早装置 opencv

    pip install opencv-python==4.6.0.66

  2. 完成咱们Dataset

    需求重写三个办法

    __init__ 类被创立会履行（类似Java构造器），咱们需求在这儿初始化数据

    __getitem__ 根据索引查询，回来 label 和 image

    __len__ 回来 数据集长度

    from torch.utils.data import Dataset
from torch.utils.data.dataset import T_co
import os
import cv2 as cv
# 读取咱们 label 文件的第一行内容
def read_label(path):
    file = open(path, "r", encoding='utf-8')
    label = file.readline()
    file.close()
    return label
class MyDataset(Dataset):
    def __init__(self, train_path):
        # 给对象赋值，让其他办法也能够获取到
        self.train_path = train_path
        self.image_path = os.path.join(train_path, 'image')
        self.label_path = os.path.join(train_path, 'label')
        # 拿到文件夹下一切图片名
        self.image_path_list = os.listdir(self.image_path)
    def __getitem__(self, index) -> T_co:
        # 读取图片
        image_name = self.image_path_list[index]
        image_path = os.path.join(self.image_path, image_name)
        img = cv.imread(image_path)
        # 读取图片对应的label
        label_name = 'txt'.join(image_name.rsplit(image_name.split('.')[-1], 1))
        label_path = os.path.join(self.label_path, label_name)
        label = read_label(label_path)
        return img, label
    def __len__(self):
        # 回来数据集长度
        return len(self.image_path_list)
# 测验 创立 MyDataset 对象
my_dataset = MyDataset("dataset/train")
# 拿到下标100的 image 和 label
data_index = 100
img, label = my_dataset[data_index]
# 展现出来 咱们这儿用到了 __len__
cv.imshow(label + ' (' + str(data_index) + '/' + str(len(my_dataset)) + ')', img)
cv.waitKey(0)

    作用如下：

    快速入门深度学习 PyTorch（保姆级教程）第一期

二、下期预告

1. TensorBoard 的运用

2. Transforms 的运用

会尽快更新~~~