PyTorch深度学习快速入门教程【小土堆】 学习笔记

学习视频地址 —— B站

PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】

1 pyTorch安装和配置

彻底卸载anaconda

conda install anaconda-clean
anaconda-clean --yes
再用控制面板

anaconda 卸载环境 ：conda uninstall -n yyy --all

• anaconda 安装路径：D:\anaconda3
• 创建环境： conda create -n pytorch python=3.9
• 
• 切换环境 ： conda activate pytorch
• 查看目前已经安装的工具包：pip list

Q 安装pytorch?

1. 进入pytorch首页 下拉，https://pytorch.org/
2. 查看gpu型号： 任务管理器-性能 - gpu
3. 
4. 首先更改下载源，，然后，使用官网上的指令安装，直接安装torch一直下载不下来

已经测试，速度很慢，30kB/s

 conda create -n pytorch python=3.9
conda activate pytorch

conda config --remove-key channels  
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

版权声明：本文为优快云博主「StarryHuangx」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_46017950/article/details/123280653

pip3 install torch torchvision torchaudio

已经测试，最有效的办法，速度最快,3MB/s

conda create -n pytorch python=3.9
conda activate pytorch


conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 


#使用的这个 —— 未成功
conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 -c pytorch

# 用的这——未成功
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html


# 这个 未成功
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

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


# 这个可以,但是gpu太low, cuda 版本太高，，gpu上无法训练
pip install torch==1.10.2+cu113 torchvision==0.11.3+cu113 torchaudio===0.10.2+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html  

# 11.1
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

作者：insightya https://www.bilibili.com/read/cv15186754/ 出处：bilibili

2 python 编辑器的安装

pyCharm 安装注意事项

• 在 Installation Options 中，，勾选 .py

pyCharm 配置

1. 打开
2. 新建项目 的过程中
3. 选择 Existing interpreter
4. 手动找到编译器，， 选择 conda Environment ->
5. 输入： D:/anaconda/envs/pytroch/python.exe

检测是否正常运行

1. 点 “” python console “”

import torch
torch.cuda.is_available()

默认 Jupiter 安装在 base 环境中，，所以，现在 要在 新环境中 在安装一遍 jupiter。

新环境中安装jupyter

# open  anaconda命令行
conda activate pytorch
conda list
conda install nb_conda
jupyter notebook

jupyter 使用指南

import torch
torch.cuda.is_available()

shift + 回车： 表示 创建一个新的代码块，并且运行上一个代码块

3 为什么 返回 false

我的是true ，跳过

4 python 学习中的两个 法宝函数

dir() : 打开
help() : 说明书

dir(pytorch)

5 pyCharm 和 Jupyter使用及对比

6 pytorch 加载数据

Dataset
提供 获取数据及其lable的方法
能得到 总共有 多少数据
能获取 每一个数据 及其 label

Dataloader
把 数据打包，，方便 后续使用

代开 Jupyter

conda activate pytorch
jupyter notebook

7 Dataset 实战

安装opencv

conda activate pytorch
conda install opencv-python

from torch.utils.data import Dataset
from PIL import Image
import os


class MyData(Dataset):

    def __init__(self, root_dir, label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)
        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 )
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label

    def __len__(self):
        return len(self.img_path)

root_dir = "hymenoptera_data/hymenoptera_data/train"
ants_label_dir = "ants"
bees_label_dir = "bees"
ants_dataset = MyData(root_dir, ants_label_dir)
bees_dataset = MyData(root_dir, bees_label_dir)

train_dataset = ants_dataset + bees_dataset

8 Tensorboard 使用 数据可视化

SummaryWriter使用

1. 安装tensorboard

pip install tensorboard

2. 报错
   
   包不匹配,解决办法如下

 pip install setuptools==59.5.0
conda install tensorboard

运行结果是，，多了一个Logs文件夹

数据可视化：
一定要切换到Logs的上一层目录中

conda activate pytorch

D:
cd D:\pycharm-workplace\pythonProject

# 切换到 Logs的上一层目录中
tensorboard --logdir=logs

9 tensorboard使用2

利用opencv读取文件，转化为Numpy数组

pip install opencv-python

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

writer = SummaryWriter("logs")
image_path = "hymenoptera_data/hymenoptera_data/train/ants/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)


writer.add_image("lyy", img_array, 1, dataformats='HWC')

for i in range(100):
    writer.add_scalar("y=2x", 3*i, i)

writer.close()

print("end")

10 Transfroms 使用1——主要是对图片进行变换

ToTensor（）使用—— 把 imgge 或 numpy 转换为 tensor

from PIL import Image
from torchvision import transforms

img_path = "hymenoptera_data/hymenoptera_data/train/ants/0013035.jpg"
img = Image.open(img_path)

# tensor_trans 是一个类
tensor_trans = transforms.ToTensor() # 吧 imgge 或 numpy 转换为 tensor
tensor_img = tensor_trans(img)

print(tensor_img)

11 Transfroms 使用2——主要是对图片进行变换

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

img_path = "hymenoptera_data/hymenoptera_data/train/ants/0013035.jpg"
img = Image.open(img_path)


writer = SummaryWriter("logs")


tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)

# print(tensor_img)

writer.add_image("lyy", tensor_img)
writer.close()

12 常见transforms使用

normalize

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

img_path = "hymenoptera_data/16.jpg"
img = Image.open(img_path)

writer = SummaryWriter("logs")

# totensor使用
tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img)
writer.add_image("lyy", tensor_img)

# Normalize 使用
trans_norm