土堆教程笔记【PyTorch】

官网：torch — PyTorch 2.6 documentation

Pycharm

解释器

一般搞深度学习都用虚拟环境的解释器，为了满足不同的项目所需要的不同的包的版本。

1. system interpreter表示本地的解释器

也就是你电脑系统里安装的解释器

2. Virtual Environment—Python的虚拟环境

anaconda可以帮我们创建虚拟环境

a. 创建虚拟环境

conda create -n name python = 3.8

b. 查看系统中已经存在的环境, * 在哪就是当前在哪个环境。

conda info --envs

c. 激活环境

conda activate xxx

d. 退出环境

conda deactivate 

3. conda Enviroment

Anaconda里面附带安装的Python解释器

PyTorch下载命令

1. 输入 ↓ ，查看cuda版本

nvcc -V

1. 建议挑选conda的而不是wheel的命令，conda支持虚拟环境而且能自动解决依赖问题。

常见问题

1. 高版本的解释器在anaconda3虚拟路径文件夹envs下边。
2. 不显示In[2]，打开终端，↓

pip install ipython

1. jupyter默认只安装在base环境当中，如果base环境没有安装pytorch，那么jupyter是没有办法使用pytorch的。

方案1：在base环境里安装pytorch

方案2：在pytorch环境里安装jupyter

1. 装库时报错Caused by SSLError(SSLZeroReturnError(6, 'TLS/SSL connection has been closed (EOF)

把代理关了。

1. 导入PIL时报错找不到模块

module = self._system_import(name, *args, **kwargs)
ImportError: DLL load failed while importing _imaging: 找不到指定的模块。

解决方法：卸载了pywin32包

1. 报错

LooseVersion = distutils.version.LooseVersion AttributeError: module 'distutils' has no attribute 'version'

解决方法：注释掉控制台init方法的4-7和第10行。

1. 页面太小问题

修改固态盘的页面大小，最小值是内存的1.5倍，最大值是内存的3倍。

1. 调用tensorboard不显示图像

降低tensorboard版本

pip install tensorboard==2.12.0

1. 在调用pillow的add_image方法时报错

image = image.resize((scaled_width, scaled_height), Image.ANTIALIAS)
AttributeError: module 'PIL.Image' has no attribute 'ANTIALIAS'

新版本pillow（10.0.0之后）Image.ANTIALIAS 被移除了，取而代之的是Image.LANCZOS or Image.Resampling.LANCZOS，相关描述可以可以在pillow的releasenotes中查到。点进去报错的文件，ANTIALIAS改成LANCZOS就可以了。

在 Jupyter Notebook 中切换/使用 conda 虚拟环境

服务器上配置有多个 conda 虚拟环境，在使用jupyter notebook时需要使用其中的一个环境，但是其默认还是使用 base 环境。Jupyter 在一个名为 kernel 的单独进程中运行用户的代码。kernel 可以是不同的 Python 安装在不同的 conda 环境或虚拟环境。

方法1：使用 nb_conda_kernels 添加所有环境（推荐）

conda activate my-conda-env    # this is the environment for your project and code
conda install ipykernel
conda deactivateconda activate base      # could be also some other environment
conda install nb_conda_kernels
jupyter notebook

注意：这里的 conda install nb_conda_kernels 是在 base 环境下操作的。

安装好后，打开 jupyter notebook 就会显示所有的 conda 环境啦，点击随意切换。

方法2：为 conda 环境创建特殊内核

conda create -n my-conda-env    # creates new virtual env
conda activate my-conda-env     # activate environment in terminal
conda install ipykernel      # install Python kernel in new conda env
ipython kernel install --user --name=my-conda-env-kernel  # configure Jupyter to use Python kernel
jupyter notebook      # run jupyter from system

只有 Python 内核会在 conda 环境中运行，系统中的 Jupyter 或不同的 conda 环境将被使用——它没有安装在 conda 环境中。通过调用ipython kernel install将 jupyter 配置为使用 conda 环境作为内核.

windows/mac/linux jupyter notebook 切换默认环境

方法3：在 conda 环境中运行 Jupyter 服务器和内核

conda create -n my-conda-env   # creates new virtual env
conda activate my-conda-env    # activate environment in terminal
conda install jupyter     # install jupyter + notebook
jupyter notebook       # start server + kernel

这种方法就是为每一个 conda 环境 都安装 jupyter。

Jupyter 将完全安装在 conda 环境中。不同版本的 Jupyter 可用于不同的 conda 环境，但此选项可能有点矫枉过正。

在环境中包含内核就足够了，内核是运行代码的封装 Python 的组件。Jupyter notebook 的其余部分可以被视为编辑器或查看器，并且没有必要为每个环境单独安装它并将其包含在每个 env.yml 文件中。

常用函数

1. 查看当前路径的包

dir(torch)

1. 查看方法的帮助文档

help(torch.cuda.is_available())  / 还有一种方式获取官方文档信息：xxxx ??

跳到句首

shift+enter

数据加载

DataSet抽象类

提供一种方式去获取数据及其label。

DataLoader类

torch.utils.data.DataLoader是一个迭代器，方便我们去多线程地读取数据，并且可以实现batchsize以及

shuffle 的读取等。为后边的网络提供不同的数据形式。

• 如何获取每一个数据及其label
• 告诉我们总共有多少数据

神经网络经常需要对一个数据迭代多次，只有知道当前有多少个数据，进行训练时才知道要训练多少次，才能把整个数据集迭代完。

from torch.utils.data import  Dataset
import os
#读取图片
from PIL import Image
class MyDataset(Dataset):
#加载磁盘图片到内存
#路径分成两部分是因为后续还要用蜜蜂的，拼接方便def __init__(self,root_dir,label_dir):self.root_dir = root_dirself.label_dir = label_dirself.path = os.path.join(self.root_dir,self.label_dir)#而得到每一张图片的地址self.img_path = os.listdir(self.path)def __getitem__(self, idx):img_name = self.img_path[idx]img_item_path = os.path.join(self.root_dir,self.label_dir,img_name)#读取图片img = Image.open(img_item_path)label = self.label_dirreturn img,labeldef __len__(self):return len(self.img_path)
root_dir = "dataset/train"
label_dir = "ants"
ants_dataset = MyDataset(root_dir,label_dir)
bees_dataset = MyDataset(root_dir,label_dir)
ants_dataset[0]

TensorBoard（PyTorch1.1之后）

demo

from torch.utils.tensorboard import SummaryWriter#日志的所在地址
writer = SummaryWriter("D:\PythonProject\Introduction\logs")#第一个参数相当于表头，绘图
for i in range(100):writer.add_scalar('y=x',3 * i, i)writer.close()

查看logs

在控制台输入

tensorboard --logdir=logs

指定端口，防止当别人也在访问时跟别人冲突

tensorboard --logdir=logs --port=6007

注意：如果出现拟合，那么可以删掉logs下边的文件，重新运行。

添加图像

通过打印发现，此类型不适合当作tensorboard的添加图片的输入类型。

PyDev console: using IPython 8.12.2
Python 3.8.20 (default, Oct  3 2024, 15:19:54) [MSC v.1929 64 bit (AMD64)] on win32
img_path = "dataset/train/ants/0013035.jpg"
from PIL import Image
img = Image.open(img_path)
print(type(img))
<class 'PIL.JpegImagePlugin.JpegImageFile'>

so，利用Opencv读取图片，获得numpy类型图片数据

利用numpy.array(),对PIL图片进行转换。

Transforms单张图片

输入图像到transforms.py，它像一个工具箱，把一些数据类型转化为tensor（神经网络 的专用数据类型，包装了很多神经网络需要的参数），或者resize.

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image
#通过transform.Totensor解决俩问题
#1. transform应该如何使用
#2. 为什么需要一个Tensor的数据类型
img_path = "dataset/train/ants/0013035.jpg"
img = Image.open(img_path)writer = SummaryWriter('logs')tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)
# print(tensor_img)
# print(img)
writer.add_image("Tensor_img", tensor_img, 3)
writer.close()

图片不显示的把logs下其他的文件删掉，关掉终端打开再重新运行。

归一化----加速收敛

正则化是防止过拟合

让不同的特征在数值上保持一致，避免某些特征对模型的影响过大，从而更好地学习到数据当中的模式和关系。归一化之后，均值为0，标准差为1.

__call__介绍,把对象当函数用。

class Person:def __call__(self, name):print("__call__"+"Hello"+name)def hello(self,name):print("hello"+name)
#__xxx__这种都是内置函数，可以对其进行重写
person = Person()
#__call__可以直接使用对象里加参数，而不用.的方式。
person("zhangsan")
person.hello("lisi")

忽略大小写匹配：

settings ----> 搜索case------>Generral下的Code Completion------->取勾Match case

Compose()的用法

Compose()中的参数需要是一个列表，Python中，列表的形式为[xx,xx,xx,xx,...]

在Compose()中，数据需要是transforms类型，所以，Compose(transsforms参数1，transsforms参数2，...)

用于将多个数据预处理操作组合成一个整体的变换，具体而言，按列表顺序进行转换。大小，裁剪，翻转，归一化等。

from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
from PIL import Image
#通过transform.Totensor解决俩问题
#1. transform应该如何使用
#2. 为什么需要一个Tensor的数据类型
img_path = "dataset/train/ants/0013035.jpg"
img = Image.open(img_path)writer = SummaryWriter('logs')tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)
# print(tensor_img)
# print(img)
#writer.add_image("Tensor_img", tensor_img, 3)print(tensor_img[0][0][0])
#Normalize,归一化，提供三个均值，三个标准差
tensor_norm = transforms.Normalize([0.5,0.5,0.5], [0.5,0.5,0.5])
#把图片归一化
img_norm = tensor_norm(tensor_img)
print(img_norm[0][0][0])
writer.add_image("Normalize", img_norm,2)#Resize
print(img.size)
tran_resize = transforms.Resize((512,512))
#img PIL -> resize -> img_resize PIL
#这个方法需要传入PIL类型的img
img_resize = tran_resize(img)
# img_resize PIL -> toTensor ->img_resize tensor
img_resize = tensor_trans(img_resize)
writer.add_image("Resize", img_resize,0)
print(img_resize)#Compose
trans_resize_2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize_2 , tensor_trans])
trans_resize_2 = trans_compose(img)
writer.add_image("Resize2", trans_resize_2,1)#RandomCrop，随机裁剪
trans_random = transforms.RandomCrop((512,512))
trans_compose_2 = transforms.Compose([trans_random , tensor_trans])
#循环的目的是为了展示随机效果
for i in range(10):img_crop = trans_compose_2(img)writer.add_image("RandomCrop", img_crop,i)
writer.close()

torchvision中的数据集的使用

单纯加载数据集CIFAR10 torchvision.datasets — Torchvision master documentation

import torchvisiontrain_set = torchvision.datasets.CIFAR10(root='./data', train=True, download=True)test_set = torchvision.datasets.CIFAR10(root='./data', train=False, download=True)
#打印的是target，就是标签
print(test_set[0])
print(test_set.classes)
img , target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])
#对于PIL数据集直接调用这个方法就可以展示图片了
img.show()

对数据集变换

import torchvision
from torch.utils.tensorboard import SummaryWriterdataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor(),#因为图片太小了就只进行这一个变换
])
train_set = torchvision.datasets.CIFAR10(root='./data', train=True,transform=dataset_transform, download=True)test_set = torchvision.datasets.CIFAR10(root='./data', train=False,transform=dataset_transform, download=True)print(test_set[0])
#输出的是tensor数据类型，那么就可以用tensorboard进行一个显示
writer = SummaryWriter(log_dir='p10')
for i in range(10):img, target = test_set[i]#ctrl+p#此时img是tensor类型的writer.add_image("test_set", img, i)writer.close()

在终端输入命令

tensorboard --logdir="p10"

如果下载太慢的话，可以打开数据集函数进去复制连接自己下载，然后放在对应的文件夹下。

DataLoader的使用

加载器，可以批量加载

参数：

num_workers : 使用多少进程去加载，但是可能只能linux用，win可能报错BrokenPipeErrror，默认值为0，代表使用主进程进行加载。

drop_last : 最后的余数图片要不要加载，false就是不舍弃的意思

shuffle : 遍历完一遍以后才会打乱，而且是在每轮训练当中打乱，一个epoch打乱一次

target不是标签，是标签存放的位置，标签列表是classes，真正的标签是classes[target]

batchsize打印：

import torch
import torchvision
from torch.utils.data import DataLoader#准备的测试数据集
test_data = torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(test_data, batch_size=4, shuffle=True,num_workers=0,drop_last=False)
#测试数据集中第一张图片
img ,target = test_data[0]print(img.shape)
print(target)
#data是test_loader里的每一个对象，test_loader是可迭代对象
for data in test_loader:imgs , targets = dataprint(imgs.shape)print(targets)
#输出的tensor是把每个图片的target融合在一起了。

验证shuffle

#验证shuffle
for epoch in range(2):step = 0for data in test_loader:imgs, targets = datawriter.add_images("Epoch:{}".format(epoch), imgs, step)step += 1

总代码：

import torch
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter#准备的测试数据集
test_data = torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(test_data, batch_size=4, shuffle=True,num_workers=0,drop_last=False)
#测试数据集中第一张图片
img ,target = test_data[0]print(img.shape)
print(target)
#data是test_loader里的每一个对象，test_loader是可迭代对象# print(imgs.shape)# print(targets)
#输出的tensor是把每个图片的target融合在一起了。
writer = SummaryWriter(log_dir='./dataloader')
step = 0
for data in test_loader:imgs , targets = datawriter.add_images("test_data", imgs, step)step += 1
#验证shuffle
for epoch in range(2):step = 0for data in test_loader:imgs, targets = datawriter.add_images("Epoch:{}".format(epoch), imgs, step)step += 1writer.close()

mini-batch

随机梯度下降

nn.Module

关于神经网络的工具，一般在torch.nn里边。神经网络的基本骨架，一般是被继承的父类

conv2常用参数

padding ----- 填充，更好的利用边缘信息，这样可以平均利用数据，默认是不进行填充的。

bias ------ 偏置参数

padding_mode ------- 填充模式，一般默认是0

dilation -------- 空洞卷积

卷积demo，因为nn.Module函数当中内置了call函数，所以把参数放进对象里，会自动调用forward函数。是在call函数里调用的。

import torch
from torch import nnclass MyNet(nn.Module):def __init__(self):super().__init__()def forward(self, input):output = input + 1return outputmy_net = MyNet()
x =torch.tensor(1.0)
y = my_net(x)
print(y)

为什么要调整形状，因为我们一开始打印出来发现只有高和宽，不满足conv2d的api要求输入的形状。

import torchinput = torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]])
kernel = torch.tensor([[1,2,1],[0,1,0],[2,1,0]])
#这个尺寸只有高和宽
print(input.shape)
#torch.Size([5, 5])
print(kernel.shape)
#torch.Size([3, 3])

pytorch给我们提供了尺寸变换

input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))

变换以后就可以利用卷积进行输入

output = F.conv2d(input,kernel,stride=1)
output2 = F.conv2d(input,kernel,stride=2)
print(output)
print(output2)

import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10(root='./data', train=False,transform=torchvision.transforms.ToTensor(),download=False)
dataloader = DataLoader(dataset, batch_size=64)class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.conv1 = nn.Conv2d(3, 6, 3)def forward(self, x):x = self.conv1(x)return x
my_net = MyNet()
writer = SummaryWriter("./logs")
#可以打印网络结构
#print(my_net)
step = 0
for data in dataloader:imgs, targets = dataoutput = my_net(imgs)print(output.shape)print(imgs.shape)#torch.Size([64, 3, 32, 32])writer.add_images("input", imgs, step)#torch.Size([64, 6, 30, 30])#-1是占位符，会被自动计算那个地方的值是多少output = torch.reshape(output, (-1,3,30,30))writer.add_images("output", output, step)step += 1

参数：dilation：空洞卷积，卷积核是隔一个的。

import torch
import torch.nn.functional as F
input = torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]
])kernel = torch.tensor([[1,2,1],[0,1,0],[2,1,0]])print(input.shape)
print(kernel.shape)#ctrl+p,提示参数
#(卷积核数量，通道数，，)
#一个卷积核生成一个通道
input = torch.reshape(input,(1,1,5,5))
kernel = torch.reshape(kernel,(1,1,3,3))print(input.shape)
print(kernel.shape)output = F.conv2d(input,kernel,stride=1)
output2 = F.conv2d(input,kernel,stride=2)
output3 = F.conv2d(input,kernel,stride=1,padding=1)
print(output)
print(output2)
print(output3)

池化层

https://github.com/vdumoulin/conv_arithmetic

空洞卷积示意图↑

ceil_mode ------- 当卷积核卷出去以后，true,保留，false，不保留

卷积：提取特征

池化：降维

demo

import torch
import torchvision
from torch import nn
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset, batch_size=4)
input = torch.tensor([[1,2,0,3,1],[0,1,2,3,1],[1,2,1,0,0],[5,2,3,1,1],[2,1,0,1,1]
], dtype=torch.float32)
input = torch.reshape(input,(-1,1,5,5))
print(input.shape)
class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.maxpool1 = nn.MaxPool2d(kernel_size=3, ceil_mode=True)def forward(self, x):output = self.maxpool1(x)return output
mynet = MyNet()
#print(mynet(input))
writer = SummaryWriter('./logs_maxpool')
steps = 0
for data in dataloader:imgs,targets = datawriter.add_images("input", imgs, steps)output = mynet(imgs)writer.add_images("output", output, steps)steps += 1writer.close()

非线性激活

import torch
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterinput = torch.tensor([[1,-0.5],[-1,3]])
output = torch.reshape(input,(-1,1,2,2))
print(output)
dataset = (torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor()))
dataloader = DataLoader(dataset, batch_size=64)
class MyNet(torch.nn.Module):def __init__(self):super(MyNet, self).__init__()self.relu1 = torch.nn.ReLU()self.sigmoid = torch.nn.Sigmoid()def forward(self, x):output = self.sigmoid(x)return output
mynet = MyNet()
writer = SummaryWriter('./logs_relu')
step = 0
for data in dataloader:imgs,targets = datawriter.add_images("input",imgs,step)output = mynet(imgs)writer.add_images("output",imgs,step)step += 1
writer.close()
output = mynet(input)
print(output)

Sequential

让代码看起来更简洁。

demo：对cifar10进行简单分类的神经网络，好像是经过一次最大池化，尺寸就减半。

已知输入尺寸和输出尺寸，联立两个公式，可以反解出padding。dilation采用默认的1，就是不进行膨胀。

倒数第二个和倒数第三个，倒数第一个和倒数第二个之间还分别各自有一个线性层。

import torch
from torch import nn
from torch.nn import MaxPool2d, Flatten, Conv2d, Linear
from torch.utils.tensorboard import SummaryWriterclass MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()# self.conv1 = nn.Conv2d(3, 32, kernel_size=5,#                        padding=2)# self.maxpool1 = nn.MaxPool2d(2)# self.conv2 = nn.Conv2d(32, 32,5, padding=2)# self.maxpool2 = nn.MaxPool2d(2)# self.conv3 = nn.Conv2d(32, 64,5, padding=2)# self.maxpool3 = MaxPool2d(2)# self.flatten = Flatten()# #从图片里看出来的，64*4*4# self.linear1 = nn.Linear(1024,64)# self.linear2 = nn.Linear(64,10)self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)# x = self.conv1(x)# x = self.maxpool1(x)# x = self.conv2(x)# x = self.maxpool2(x)# x = self.conv3(x)# x = self.maxpool3(x)# x = self.flatten(x)# x = self.linear1(x)# x = self.linear2(x)return x
my_net = MyNet()
print(my_net)
input = torch.ones((64, 3, 32, 32))
output = my_net(input)
print(output.shape)
writer = SummaryWriter("./logs_seq")
writer.add_graph(my_net, input)
writer.close()

损失函数

L1Loss

import torch
from torch.nn import L1Lossinputs = torch.tensor([1,2,3],dtype=torch.float32)
targets = torch.tensor([1,2,5],dtype=torch.float32)inputs = torch.reshape(inputs,(1,1,1,3))
targets = torch.reshape(targets,(1,1,1,3))loss = L1Loss(reduction='sum')
result = loss(inputs,targets)print(result)
#2.

MSELoss

loss_mse = nn.MSELoss()
result_mse = loss_mse(result,targets)
print(result_mse)
#1.3333

交叉熵

x = torch.tensor([0.1,0.2,0.3])
y = torch.tensor([1])
x = torch.reshape(x,(1,3))
loss_cross = nn.CrossEntropyLoss()
result_cross = loss_cross(x,y)
print(result_cross)
#tensor(1.1019)

用之前的网络来对数据集进行分类，不过此时的分类是没有意义的，因为还没有经过训练。

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d, Flatten, Conv2d, Linear
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset,batch_size=1)
class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)return xmy_net = MyNet()
loss = nn.CrossEntropyLoss()
for data in dataloader:imgs,targets = dataoutputs = my_net(imgs)result_loss = loss(outputs, targets)print(result_loss)#tensor(2.2306, grad_fn=<NllLossBackward>)
#tensor(2.2557, grad_fn=<NllLossBackward>)
#tensor(2.3920, grad_fn=<NllLossBackward>)
#......# print(outputs)# print(targets)

反向传播

1. 计算实际输出和目标之间的差距
2. 为我们更新输出提供一定的依据，方向传播，grad。

一开始是没有梯度的，后来运行完37行，

就出现梯度了，有利于反向传播。

优化器

eg:lr是学习速率

optimizer = optim.SGD(model.named_parameters(), lr=0.01, momentum=0.9)
optimizer = optim.Adam([('layer0', var1), ('layer1', var2)], lr=0.0001)

demo

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d, Flatten, Conv2d, Linear
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriterdataset = torchvision.datasets.CIFAR10(root='./data', train=False, download=False,transform=torchvision.transforms.ToTensor())
dataloader = DataLoader(dataset,batch_size=1)
class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)return xmy_net = MyNet()
optim = torch.optim.SGD(my_net.parameters(), lr=0.01)
loss = nn.CrossEntropyLoss()
for epoch in range(20):running_loss = 0.0for data in dataloader:imgs,targets = dataoutputs = my_net(imgs)result_loss = loss(outputs, targets)#梯度清零optim.zero_grad()#优化器需要每个参数的梯度result_loss.backward()#给每个参数进行调优optim.step()running_loss += result_lossprint(running_loss)
#print(result_loss)

现有网络模型的使用以及修改

import torchvision.datasets
from torch import nn
from torchvision import transforms#train_data = torchvision.datasets.ImageNet("./data_image_net",split='train',#                                      download=True,transform=transforms.ToTensor())
vgg16_false = torchvision.models.vgg16(pretrained=False)
#打印的是已经预训练好的网络架构，参数都是在训练之后的
vgg16_true = torchvision.models.vgg16(pretrained=True)
print(vgg16_true)
train_data = torchvision.datasets.CIFAR10(root='./data', train=True, download=False,transform=torchvision.transforms.ToTensor())
#把vgg16当一个前置的网络结构
vgg16_true.classifier.add_module('add_linear',nn.Linear(1000, 10))
print(vgg16_true)
vgg16_false.classifier[6]=nn.Linear(4096, 10)

网络模型保存

方式1

模型结构+模型参数

import torch
import torchvisionvgg16 = torchvision.models.vgg16(pretrained=False)
#保存方式1
torch.save(vgg16,"vgg16_method1.pth")

加载模型

#保存方式1，加载模型
model = torch.load("vgg16_method1.pth")
print(model)

如果是用方式1并且是自定义模型的话，一定要让访问的代码能够访问到模型定义的地方。

方式2---字典类型

模型参数（官方推荐，好像是这样比较小）

#保存方式2
torch.save(vgg16.state_dict(),"vgg16_state_dict.pth")

加载模型，字典形式打印出来就看不见网络结构了，也可以再恢复成网络结构的。

#方式2加载方式
#如果你想恢复成网络模型结构
vgg16 = torchvision.models.vgg16(pretrained=False)
model = torch.load("vgg16_state_dict.pth")
print(model)
print(vgg16)

模型训练

item和本身的区别：

train.py

import torch
import torchvision
from model import *train_data = torchvision.datasets.CIFAR10(root='./data', train=True, download=True,transform=torchvision.transforms.ToTensor())
test_data = torchvision.datasets.CIFAR10(root='./data', train=False, download=True,transform=torchvision.transforms.ToTensor())train_data_size = len(train_data)
test_data_size = len(test_data)
print("训练数据集的长度是：{}".format(train_data_size))
print("测试数据集的长度为：{}".format(test_data_size))
#加载数据集
train_dataloader = torch.utils.data.DataLoader(train_data,batch_size=64,)
#ctrl+d复制本行到下一行
test_dataloader = torch.utils.data.DataLoader(test_data, batch_size=64,)
#创建网络模型
mynet = MyNet()
#损失函数,交叉熵
loss_function = torch.nn.CrossEntropyLoss()
#优化器
optimizer = torch.optim.SGD(mynet.parameters(), lr=0.001, momentum=0.9)
#设置训练网络的一些参数
#记录训练的次数
total_train_step = 0
total_test_step = 0
epoch = 10
for i in range(epoch):print("第{}轮训练开始".format(i+1))for data in train_dataloader:imgs,targets = dataoutputs = mynet(imgs)loss = loss_function(outputs, targets)optimizer.zero_grad()loss.backward()optimizer.step()total_train_step += 1print("训练次数：{}，Loss{}".format(total_train_step,loss.item()))

model.py

import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear
#搭建神经网络
class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)return x
if __name__ == '__main__':mynet = MyNet()#64张图片input = torch.ones((64,3,32,32))output = mynet(input)print(output.shape)

test

import torch
import torchvision
from torch.utils.tensorboard import SummaryWriterfrom model import *train_data = torchvision.datasets.CIFAR10(root='./data', train=True, download=True,transform=torchvision.transforms.ToTensor())
test_data = torchvision.datasets.CIFAR10(root='./data', train=False, download=True,transform=torchvision.transforms.ToTensor())train_data_size = len(train_data)
test_data_size = len(test_data)
print("训练数据集的长度是：{}".format(train_data_size))
print("测试数据集的长度为：{}".format(test_data_size))
#加载数据集
train_dataloader = torch.utils.data.DataLoader(train_data,batch_size=64,)
#ctrl+d复制本行到下一行
test_dataloader = torch.utils.data.DataLoader(test_data, batch_size=64,)
#创建网络模型
mynet = MyNet()
#损失函数,交叉熵
loss_function = torch.nn.CrossEntropyLoss()
#优化器
optimizer = torch.optim.SGD(mynet.parameters(), lr=0.001, momentum=0.9)
#设置训练网络的一些参数
#记录训练的次数
total_train_step = 0
total_test_step = 0
epoch = 10
writer = SummaryWriter('./logs_train')
for i in range(epoch):print("第{}轮训练开始".format(i+1))for data in train_dataloader:imgs,targets = dataoutputs = mynet(imgs)loss = loss_function(outputs, targets)optimizer.zero_grad()loss.backward()optimizer.step()total_train_step += 1if total_train_step % 100 == 0:print("训练次数：{}，Loss{}".format(total_train_step,loss.item()))writer.add_scalar('train_loss', loss.item(), total_train_step)#测试步骤开始total_test_loss = 0total_accuracy = 0with torch.no_grad():for data in test_dataloader:imgs , targets = dataoutputs = mynet(imgs)loss = loss_function(outputs, targets)total_test_loss += loss.item() == targetsaccurancy = outputs.argmax(1)total_accuracy+=accurancyprint("整体测试集上的loss：{}".format(total_test_loss))print("整体测试集上的正确率{}".format(total_accuracy))writer.add_scalar("test_loss",total_test_loss, total_test_step)writer.add_scalar("test_accuracy",total_accuracy, total_test_step)total_test_step+=1torch.save(mynet,"mynet_{}.pth".format(i))print("模型已保存")
writer.close()

规范tips

当网络中有dropout层等东西的时候，可以调用他们

训练之前

mynet.train()

测试之前

mynet.eval()

使用GPU训练

思路：在如下几处加入相关代码

• 网络模型
• 数据（输入，标注）
• 损失函数
• .cuda

方法1

if torch.cuda.is_available():loss_function = loss_function.cuda()
if torch.cuda.is_available():imgs = imgs.cuda()targets = targets.cuda()

方法2

.to(device)
Device = torch.device("cpu")
Device = torch.device("gpu")
#定义训练的设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
#电脑上如果有多张显卡，这样来指定显卡
Torch.device("cuda:0")
Torch.device("cuda:1")
imgs, targets = imgs.to(device), targets.to(device)

import torch
import torch.nn as nn
import torchvision
import time
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear
from torch.utils.tensorboard import SummaryWriter
#定义训练的设备
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
class MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)return x
train_data = torchvision.datasets.CIFAR10(root='./data', train=True, download=True,transform=torchvision.transforms.ToTensor())
test_data = torchvision.datasets.CIFAR10(root='./data', train=False, download=True,transform=torchvision.transforms.ToTensor())train_data_size = len(train_data)
test_data_size = len(test_data)
print("训练数据集的长度是：{}".format(train_data_size))
print("测试数据集的长度为：{}".format(test_data_size))
#加载数据集
train_dataloader = torch.utils.data.DataLoader(train_data,batch_size=64,)
#ctrl+d复制本行到下一行
test_dataloader = torch.utils.data.DataLoader(test_data, batch_size=64,)
#创建网络模型
mynet = MyNet()
mynet.to(device)
#损失函数,交叉熵
loss_function = torch.nn.CrossEntropyLoss()
loss_function.to(device)
# if torch.cuda.is_available():
#     loss_function = loss_function.cuda()
#优化器
optimizer = torch.optim.SGD(mynet.parameters(), lr=0.001, momentum=0.9)
#设置训练网络的一些参数
#记录训练的次数
total_train_step = 0
total_test_step = 0
epoch = 10
writer = SummaryWriter('./logs_train')
start_time = time.time()
for i in range(epoch):print("第{}轮训练开始".format(i+1))for data in train_dataloader:imgs,targets = dataimgs, targets = imgs.to(device), targets.to(device)# if torch.cuda.is_available():#     imgs = imgs.cuda()#     targets = targets.cuda()outputs = mynet(imgs)loss = loss_function(outputs, targets)optimizer.zero_grad()loss.backward()optimizer.step()total_train_step += 1if total_train_step % 100 == 0:end_time = time.time()print(end_time - start_time)print("训练次数：{}，Loss{}".format(total_train_step,loss.item()))writer.add_scalar('train_loss', loss.item(), total_train_step)#测试步骤开始total_test_loss = 0total_accuracy = 0with torch.no_grad():for data in test_dataloader:imgs , targets = dataimgs, targets = imgs.to(device), targets.to(device)# if torch.cuda.is_available():#     imgs = imgs.cuda()#     targets = targets.cuda()outputs = mynet(imgs)loss = loss_function(outputs, targets)total_test_loss += loss.item()accurancy = (outputs.argmax(1) == targets).sum()total_accuracy+=accurancy.item()print("整体测试集上的loss：{}".format(total_test_loss))print("整体测试集上的正确率{}".format(total_accuracy))writer.add_scalar("test_loss",total_test_loss, total_test_step)writer.add_scalar("test_accuracy",total_accuracy, total_test_step)total_test_step+=1torch.save(mynet,"mynet_{}.pth".format(i))print("模型已保存")
writer.close()

模型验证

利用已经训练好的模型，给它提供输入。

tips:

png图像是4通道，除了rgb以外ia，还有一个透明通道。

image = image.convert('RGB')

demo

import torch
import torchvision
from PIL import Image
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linearclass MyNet(nn.Module):def __init__(self):super(MyNet, self).__init__()self.model1 = nn.Sequential(Conv2d(3, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 32, kernel_size=5, padding=2),MaxPool2d(2),Conv2d(32, 64, kernel_size=5, padding=2),MaxPool2d(2),Flatten(),Linear(1024, 64),Linear(64,10))def forward(self, x):x = self.model1(x)return x
image_path = "./images/dog.png"
image = Image.open(image_path)
print(image)transform = torchvision.transforms.Compose([torchvision.transforms.Resize((32,32)),torchvision.transforms.ToTensor()])
image = transform(image)
print(image.shape)
model = torch.load("mynet_9.pth",map_location=torch.device('cpu'))
print(model)
image = torch.reshape(image, (1,3,32,32))
model.eval()
with torch.no_grad():output = model(image)
print(output)
print(output.argmax(1))