Pytorch初学

创建虚拟环境

python控制台，jupyter notebook,python文件运行的差异，后续结合使用三者。

jupter主要可以对代码进行分割单独运行，主要做一些探索性工作。

数据集的常见存储模式

1、以标签命名图像。

2、单独存储图像的地址。

加载数据集：

dataset 和dataloader类，dataset

dataset获取每一个数据及其label,以及数据的个数。

  你可以把 Dataset 想象成一个超级收纳箱，里面存放着机器学习模型要学习的所有数据。这些数据可以是各种各样的，比如图片、文字、数字等。它把这些数据按照一定的规则整理好，方便模型随时取用。

在命令行获取单个图像的数据集：

首先获取图像地址（相对地址较好）。

获取所有图像地址，导入os，创建所有图片的列表。

看到每个变量对应的属性（控制台的优点）

得到图像集列表的逻辑如下，将根目录与本图形数据分开:

 root_dir=""lable_dir=""path=os.path.join(root_dir,lable_dir)img_path=os.listdir(path)

TensorBoard是个“魔法工具”：
 
模型可视化
 
- 展示计算图：能把模型内部结构清晰呈现，看清各层连接与数据流向，助你明白模型构造。
- 查看模型参数：以图展示参数变化，让你知晓模型学习时参数的调整情况。
 
训练过程监控
 
- 损失函数可视化：将损失函数绘成曲线，依曲线走势判断模型训练好坏，便于调整方法。
- 评估指标展示：展示准确率等指标变化，方便对比选最优模型。
 
数据可视化
 
- 输入数据可视化：可展示输入数据样子，助你了解模型学习的数据情况。
- 特征可视化：呈现模型学习时关注的数据特点，利于理解其学习和决策依据。

打开端口