用来创建自己的数据集，提供一种方式去获取数据及其label。 1.如何获取每一个数据及其label；2.告诉我们总共有多少数据 help：所有的数据集都需要继承该类，所有的子类都应该重写__getitem__方法（获取每一个数据及其label），选择性重写__len__类（返回数据集的大小） （b站土堆蚂蚁和蜜蜂案例数据集下载：https://download.pytorch.org/tutorial/hymenoptera_data.zip） 创建自己的数据集：1.新建数据类继承Dataset类；2.重写方法；3.实例化使用（注意文件的路径修改为自己的路径） fromtorch.utils....

TensorBoard是一个可视化工具，可以查看每个阶段的输出结果。 工作流程：1.将代码运行过程中关心的数据保存在一个文件夹中（writer完成）2.读取这个文件夹中的数据，用浏览器显示出来（命令行运行tensorboard完成） SummaryWriter类的使用 help：将数据以特定的格式存储到事件文件夹中。 常用方法： add_scalar(self,tag,scalar_value,global_step=None,walltime=None)方法参数说明： tag字符串类型，表示标题； scalar_value相当于y轴的值； global_step相当于x轴的值int型； 最后...

torchvision是图像处理库，计算机视觉工具包。 在pycharm中使用镜像下载包时在命令行输入（以cv2为例）： 使用国内镜像下载pipinstallopencv-python-ihttps://pypi.tuna.tsinghua.edu.cn/simple transforms集成了随机翻转、旋转、增强对比度、转化为tensor、转化为图像等功能，用于数据增强。（transforms更多的指的是transforms.py文件，其中包含很多类） 1.Transforms的使用 NumPy是一个功能强大的Python库，主要用于对多维数组执行计算，它极大地简化了向量和矩阵的操作处理。 ...

torchvision中的数据集使用 1.torchvision介绍 torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型，一般包括左侧几个模块。 pytorch官网-Docs-torchvision（左侧修改为0.90版本就可以直接看到datasets） torchvision.datasets：包含常用的数据集API文档，设置一些参数即可下载和使用这些数据集。 COCO数据集：常用于目标检测、语义分割 MNIST数据集：手写文字数据集（一般为入门数据集） CIFAR数据集：常用于物体识别 torchvision.io：输入输...

Dataloader类 DataLoader是Pytorch中用来处理模型输入数据的一个工具类。结合了数据集（dataset）和采样器(sampler)，并在数据集上提供单线程或多线程(num_workers)的可迭代对象。官网定义如下： 主要参数说明： dataset：使用的数据集（可以是自定义的数据集）； batch_size：每次取样的大小，默认1； shuffle：每轮取样时数据集顺序是否打乱，默认False，一般设置为True； epoch：表示一轮，将数据集中的所有数据进行取样结束算一轮； 左侧为False不打乱两轮的每一步的取样（epoch0和epoch1）结果都相同，右侧为T...

卷积层 卷积操作 torch.nn是对torch.function的封装 pytorch官网详细介绍了常用的卷积操作函数：conv1d、conv2d、conv3d等，其中Conv1d针对一维的向量，Conv2d针对二维的向量，Conv3d针对三维的向量。在图像处理中，Conv2d的使用次数较多，因此以conv2d为例说明卷积操作（torch.nn.Conv2d和torch.nn.function.conv2d） stride和padding的含义 torch.nn的官网动态展示 importtorch importtorch.nn.functionalasF input=torc...

池化层 池化操作 池化操作是CNN中非常常见的一种操作，池化层是模仿人的视觉系统对数据进行降维，池化操作通常也叫做子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网络时，往往会用在卷积层之后，通过池化来降低卷积层输出的特征维度，有效减少网络参数的同时还可以防止过拟合现象。 池化操作的作用：将一个尺寸较大的图像通过池化操作转换成尺寸较小的图像，但是这个操作过程中尽量保留原始图像的特征。详细了解池化操作 池化操作最常见的是最大池化和平均池化，此外还有随即池化和中值池化，nn.MaxPool1d、nn.MaxPool2d、nn.MaxPool3d最大池化也被称为下...

搭建小实战和Sequential的使用 模型搭建 以CIFAR10model结构为例搭建网络 CIFAR10model结构 torch.nn.Flatten是PyTorch中的一个模块，用于将多维的输入张量转换为一维的输出张量。它可以被用作神经网络模型中的一层，用于将输入张量展平后作为全连接层的输入。比如输入张量的形状是[10,3,32,32]，即批大小为10，通道数为3，高度和宽度分别为32。经过nn.Flatten模块处理后，输出张量的形状变为[10,3072]，即批大小为10，一维展开后的长度为3072（33232）。 卷积层中的stride和padding是由卷积的输入输出计算公式得...