目录
- 一、安装pytorch
- 1、用conda指令创建一个pytorch的环境
- 2、安装pytorch（无独显）
- 二、编译器选择
- 1、pycharm
- （1）安装pycharm
- （2）选择编译器
- （3）检测能否正常运行
- 小技巧
- pycharm 的创建项目及使用
- 2、Jupyter Notebook
- 三、两个法宝函数 dir() help()
- 四、三种代码编辑方式对比
- 1、python文件
- 2、python控制台
- 3、Jupyter
- 五、pytorch中加载数据
- Dataset（数据集）
- Dataloader（数据装载器）
- dataset类代码实战
- 1、创建地址图片的列表
- 2、地址拼接：
- 3、得到单张图片的相对路径
- 4、在数据集中打开图片
一、安装pytorch
1、用conda指令创建一个pytorch的环境
1、输入创建指令
conda create -n pytorch python=3.6
# -n后面跟环境的名字，eg:"pytorch"
(在 cmd 和 anaconda prompt 的终端里一样😅
2、安装一些包，“Y”
3、创建成功
4、进入创建的环境
2、安装pytorch（无独显）
官网地址： https://pytorch.org/
下载1.12的版本
没独显，选only cpu的
emm！！！emm 安装时出现问题：
conda版本有问题，按它提示的运行了一下，还是出错了
嘿嘿…一直出问题，狠心把本科下载的 anaconda 卸载了（夸张哈哈哈
重新安装miniconda！
详见俺滴另篇文章：https://blog.csdn.net/weixin_49538228/article/details/134842972
继续安装
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cpuonly -c pytorch
安装成功！
检查是否安装成功：
输入下面两条命令行，没有报错就安装成功了
cpu的会false
二、编译器选择
1、pycharm
pycharm官网：https://www.jetbrains.com/pycharm/
（1）安装pycharm
（我之前就安装过了专业版，省略安装步骤了~）
（2）选择编译器
选已经创建的pytorch
没有自动出现
解决方案：
1、添加系统环境变量（还没出现）
环境变量是给命令行服务的
2、手动选择路径
（1）在scripts文件夹里找到conda的可执行文件
（2）选择之前建的pytorch环境
（3）检测能否正常运行
小技巧
左边输入，右边会有相应的变量的属性，便于尝试不熟悉的代码，不熟悉的语法。
pycharm 的创建项目及使用
1、新建项目 （省略）
设置 --> 查看项目解释器
2、新建python文件
3、为python文件设置相应的python解释器
方法一（细致了）：
方法二：
右键运行
4、在python console中写代码
python控制台
以每一行作为一个块执行
2、Jupyter Notebook
因为我安装的是Miniconda，所以需要单独安装Jupyter Notebook。
jupyter默认安装在base环境中，无法使用之前安装的pytorch。
解决方案：
（1）在base环境里再安装一遍pytorch
⭐（2）在pytorch环境里安装jupyter
进入pytorch环境，在命令行输入：conda install nb_conda
安装完成！
运行jupyter notebook
可以自动跳转，不能自动跳转的复制网页链接打开~
（附）要在指定文件夹中打开 jupyter：在文件夹中运行 cmd
创建新代码：
运行：
（按Shift+Enter：运行并进入下一行）
三、两个法宝函数 dir() help()
package（pytorch）：工具箱
1、dir()
提供打开操作，看见里面有什么
让我们知道 工具箱 以及 工具箱中的分隔区有什么东西
2、help()
说明书
让我们知道每个工具是如何使用的，工具的使用方法
dir(pytorch)
输出：1、2、3、4
dir(pytorch.3)
输出：a,b,c
help(pytorch.3.a)
输出：将此板手放在特定地方，然后拧动
示例：
前后有双下划线，不可更改，是函数了，不是分隔区了
help出现官方解释（help中函数后不加括号查询）：
四、三种代码编辑方式对比
1、python文件
错误示例：
修改后
如果代码是以块为一个整体运行的话，python文件的块是所有行的代码。
优：通用，传播方便，适用于大型项目
缺：在运行时出错时，再运行从头开始！
2、python控制台
错误示例：
修改后
以每一（任意）行为块运行的，修改后从上次错误处开始运行
（按Shift+回车可以继续输入）
优：可以看到每一个变量的属性
缺：如果出现一个错误，代码的可阅读性就大大降低了
一般用来调试
3、Jupyter
错误示例：
修改后
以任意行为块进行运行（手动切分）
优：利于代码的阅读及修改
缺：环境需要配置
五、pytorch中加载数据
Dataset（数据集）
提供一种方式去获取数据及其label。
实现功能：
（1）如何获取每一个数据及其label
（2）告诉我们总共有多少的数据
Dataset:
（1）读取一张图片：
from PIL import Image
img_path = "D:\\learn_pytorch\\hymenoptera_data\\train\\ants\\0013035.jpg"
img = Image.open(img_path)
img.show()
windows中正反斜杠都可以，只是反斜杠要转义
双斜杠表转义
✳ 如果图片加载报错，则是路径有问题，把路径里的 ‘\’ 改成 ‘/’ ，因为如果 \ 后面是 ‘ \t ’就会出问题。或者使用双斜杠 ‘\\’
✳ 在字符串前加 r 可以防止转义字符生效
Dataloader（数据装载器）
为后面的网络提供不同的数据形式
dataset类代码实战
1、创建地址图片的列表
dir_path = "hymenoptera_data\\train\\ants" #用的相对路径
import os
img_path_list = os.listdir(dir_path) #将文件夹下的所有东西变成一个列表
img_path_list[0]
2、地址拼接：
import os
root_dir = "hymenoptera_data/train"
label_dir = "ants"
path = os.path.join(root_dir, label_dir)
3、得到单张图片的相对路径
import os
root_dir = "hymenoptera_data/train"
label_dir = "ants"
path = os.path.join(root_dir, label_dir)
img_path = os.listdir(path)
idx = 0
img_name = img_path[idx]
img_item_path = os.path.join(root_dir, label_dir, img_name)
4、在数据集中打开图片
（1）单个蚂蚁的数据集
（2）加入蜜蜂的数据集
（3）两个数据集拼接
（仿造数据集）
from torch.utils.data import Dataset
from PIL import Image
import osclass MyData(Dataset):def __init__(self, root_dir, label_dir): #初始化函数self.root_dir = root_dirself.label_dir = label_dirself.path = os.path.join(self.root_dir, self.label_dir)self.img_path = os.listdir(self.path) #图片所有地址列表def __getitem__(self, idx): #获取其中的每一个图片img_name = self.img_path[idx]img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)img = Image.open(img_item_path)label = self.label_dirreturn img, labeldef __len__(self): #数据集的长度 = 列表长度return len(self.img_path)root_dir = "hymenoptera_data/train"
ants_label_dir = "ants"
bees_label_dir = "bees"
ants_dataset = MyData(root_dir, ants_label_dir) #蚂蚁的数据集
bees_dataset = MyData(root_dir, bees_label_dir) #蜜蜂的数据集train_dataset = ants_dataset + bees_dataset
注：
1、一个函数的变量不能传递给另一个函数，self 可以把指定的变量给后面的函数使用（指定了类中的全局变量）
