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
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
查看cuda的安装版本和位置
nvcc -V
set cuda
- 显卡为NVIDIA GTX 1660 super
- 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