【算法01】pycharm + win11 + conda中利用pytorch实现CNN

目录

• 环境搭建
• 代码解释
• 其他知识
• • 1. torchvision
  • 2. PIL：Python Image Library
  • 3. torch

环境搭建

个人记录文档，电脑系统为win11

1. 安装conda和pycharm，cuda，cuDNN以及pytorch

   conda和pychram安装不再赘述

   cuDNN:

   

   >复制解压后的cdDNN文件到cuda的相关安装目录即可，之后查看是否安装成功cuDNN

   

   conda建立好环境之后安装pytorch

conda create -n pytorch_gpu python=3.9 # 利用conda创建环境
# conda create --clone foo_env --name bar_env # 将foo_env的环境复制到新环境bar_env中
# 此时需查看自己电脑安装的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
           

1. 查看cuda的安装版本和位置

   nvcc -V

   set cuda

   

   

1. 显卡为NVIDIA GTX 1660 super

   

2. 其他电脑设置如下：

   

代码解释

其他知识

1. torchvision

构成：

• torchvision.datasets：常用的数据集接口
• torchvision.models：常用的模型结构，譬如AlexNet，VGG， ResNet
• torchvision.transforms：图片变换

  • transforms.CenterCrop 对图片中心进行裁剪

    transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换

    transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像

    transforms.Grayscale 对图像进行灰度变换

    transforms.Pad 使用固定值进行像素填充

    transforms.RandomAffine 随机仿射变换

    transforms.RandomCrop 随机区域裁剪

    transforms.RandomHorizontalFlip 随机水平翻转

    transforms.RandomRotation 随机旋转

    transforms.RandomVerticalFlip 随机垂直翻转

• torchvision.utils：其他操作

2. PIL：Python Image Library

是Python 语言的一个第三方库，支持图像存储、显示和处理，能够处理几乎所有格式的图片。

3. torch

• 3.1 torch：生成随机数字的tensor，满足标准正态分布（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