目錄
- 環境搭建
- 代碼解釋
- 其他知識
-
- 1. torchvision
- 2. PIL:Python Image Library
- 3. torch
環境搭建
個人記錄文檔,電腦系統為win11
安裝conda和pycharm,cuda,cuDNN以及pytorch
conda和pychram安裝不再贅述
cuDNN:
>複制解壓後的cdDNN檔案到cuda的相關安裝目錄即可,之後檢視是否安裝成功cuDNN![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識 conda建立好環境之後安裝pytorch![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識
conda create -n pytorch_gpu python=3.9 # 利用conda建立環境
# conda create --clone foo_env --name bar_env # 将foo_env的環境複制到新環境bar_env中
# 此時需檢視自己電腦安裝的cuda版本(2中有示例)
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html
檢視cuda的安裝版本和位置
nvcc -V
set cuda
![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識 ![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識
- 顯示卡為NVIDIA GTX 1660 super
![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識 - 其他電腦設定如下:
![]()
【算法01】pycharm + win11 + conda中利用pytorch實作CNN環境搭建代碼解釋其他知識
代碼解釋
其他知識
1. torchvision
構成:
- torchvision.datasets:常用的資料集接口
- torchvision.models:常用的模型結構,譬如AlexNet,VGG, ResNet
- torchvision.transforms:圖檔變換
-
transforms.CenterCrop 對圖檔中心進行裁剪
transforms.ColorJitter 對圖像顔色的對比度、飽和度和零度進行變換
transforms.FiveCrop 對圖像四個角和中心進行裁剪得到五分圖像
transforms.Grayscale 對圖像進行灰階變換
transforms.Pad 使用固定值進行像素填充
transforms.RandomAffine 随機仿射變換
transforms.RandomCrop 随機區域裁剪
transforms.RandomHorizontalFlip 随機水準翻轉
transforms.RandomRotation 随機旋轉
transforms.RandomVerticalFlip 随機垂直翻轉
-
- torchvision.utils:其他操作
2. PIL:Python Image Library
是Python 語言的一個第三方庫,支援圖像存儲、顯示和處理,能夠處理幾乎所有格式的圖檔。
3. torch
- 3.1 torch:生成随機數字的tensor,滿足标準正态分布(0~1)
print(torch.randn(3),'\n',
torch.randn(3, 4),'\n',
torch.randn(3, 4, 5))
###################################
tensor([ 0.2965, -1.9862, 0.6845])
tensor([[ 0.0102, -0.7910, 0.2807, 0.2399],
[ 0.0896, -0.4920, 1.1830, 1.0532],
[-0.3168, -0.5191, -0.2676, 0.0547]])
tensor([[[ 0.3623, -0.0488, -0.9397, 2.0493, -0.4924],
[-0.8506, 0.0435, 0.1077, 0.5010, -0.6206],
[-0.0964, 1.2366, 1.2035, 1.1832, -1.0772],
[ 0.7585, -2.2725, -0.7748, -0.6995, 1.4313]],
[[-0.8132, 0.3222, -2.0298, -0.8955, -1.5885],
[-1.9234, -0.2824, -2.0615, 2.4361, 1.0798],
[-0.7023, 0.8195, -0.5983, 1.6142, -0.5253],
[-0.3071, -1.3893, 0.7453, 0.0168, -0.8236]],
[[-0.5623, 0.5198, -0.1727, 0.0726, 0.9915],
[ 1.7734, 0.4547, -0.1993, 0.3765, -0.4798],
[ 0.0041, 0.0529, 1.1025, 1.3861, -0.1418],
[-0.4634, 1.1942, 0.6051, 0.3423, 0.2027]]])
- 3.2 torch.nn
- 3.3 torch.cuda
- 3.4 torch.sparse
torch.sparse_coo_tensor(indices, values,
size=None, *,
dtype=None,
device=None,
requires_grad=False)
***
待更新