Pytorch学习(一)

import torch
import torchvision
from torch.utils.data import DataLoader
#下载 并加载数据源
das= torchvision.datasets.CIFAR10("./data",train=True,transform=torchvision.transforms.ToTensor(),download=True)
#是间接通过 Dataset 来获得数据的，然后进行组装成一个 batch 返回
dataloader= DataLoader(das,batch_size=35)
class my_nn(torch.nn.Module):
    def __init__(self):
        super(my_nn, self).__init__()
        #定义卷积  三个渠道RGB  6个   卷积大小为3*3 里面值看图片大小而定, stride是 移动步数 一列一行走
        self.conv1= torch.nn.Conv2d(in_channels=3,out_channels=6,kernel_size=3, stride=1,padding=0)

    #输出函数
    def forward(self,input):
        x=self.conv1(input)
        return x
#显示数据
from torch.utils.tensorboard import SummaryWriter
wirte= SummaryWriter("nn_rgylin")
count=0
rgylin= my_nn()
for i in dataloader:
    img,target= i
    #卷积后操作
    print(img.shape)
    output= rgylin(img)
    print(output.shape)
    #由于维度不同所以要进行 torch.reshape将图片改为相同shape值  由于第一个batch大小未知，所以为-1表示
    output1= torch.reshape(output,(-1,3,30,30))
    #print(output1)
    wirte.add_images("rglyin_nn",output1,count,dataformats="NCHW")
    count+=1