- 以下均爲個人觀點啦~ 隨看隨更
目錄
transforms.Compose（） 多種數據變換，容器
torch.utils.data.DataLoader（）數據裝載
torchvision.utils.make_grid() 將一個批次的圖片構造成網格模式
首先說，感覺這本書超級適合新手入門的！！！就是從python開始那種
我是已經亂七八糟的學過python，包括一些plt、numpy、opencv，複習了一遍線性代數，嘗試學習過一丟丟神經網絡纔拿到這本書的，所以感覺嗯，1/3 的內容直接略過了（每當這種情況我都有點心疼書錢）但是對於新手我覺得這本書很好的，內容都是有用的，方面都比較全，雖然不是很詳細，但是可以對應再查嘛
書籍目錄：
- 第一章 淺談人工智能、神經網絡和計算機視覺 P1~P14 相當於概論啦
- 第二章 相關的數學知識 矩陣 、導數 （居然列出了教科書上的公式們，還帶簡單例題）
- 第三章 神經網絡基礎 恍然大悟的感覺，一下子懂了幾個之前看別的書怎麼也沒懂得點
- 第四章 卷積神經網絡 沒看呢，待更
- 第五章 python基礎 什麼列表切片啥特基礎的，還有numpy，plt，甚至有Anaconda的安裝...
- 第六章 pyTorch基礎 沒看呢，待更
- 第七章 遷移學習 沒看呢，待更
- 第八章 圖像風格遷移實戰 就是想學這個纔買的哈哈， 沒看呢，待更
- 第九章 多模型融合 沒看呢，待更
- 第十章 循環神經網絡 沒看呢，待更
- 第十一章 自動編碼器 沒看呢，待更
筆記1：數據預覽和數據裝載 書6.4
原書代碼整理：
import torch
from torchvision import datasets,transforms
import torchvision
from torch.autograd import Variable
import numpy as np
import cv2
transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize(mean=[0.5,0.5,0.5],std=[0.5,0.5,0.5])])
data_train=datasets.MNIST(root="./data", transform=transform, train=True,
download=True
)
data_test=datasets.MNIST(root="./data", transform=transform, train=False)
data_loader_train=torch.utils.data.DataLoader(dataset=data_train,
batch_size=16,
shuffle=True)
data_loader_test=torch.utils.data.DataLoader(dataset=data_test,
batch_size=16,
shuffle=True)
images,labels=next(iter(data_loader_train))
img=torchvision.utils.make_grid(images)
img=img.numpy().transpose(1,2,0)
#cv2.imshow('win',img);
std=[0.5,0.5,0.5]
mean=[0.5,0.5,0.5]
img=img*std+mean
print([labels[i] for i in range(16)])
cv2.imshow('win',img);
key_pressed=cv2.waitKey(0);
執行結果：
代碼詳解：
引入包就不說了 *略
#數據變換
transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize(mean=[0.5,0.5,0.5],std=[0.5,0.5,0.5])])
transforms.Compose（） 多種數據變換，容器
transforms.Compose（） 相當一種容器，對多種數據變換組合，實例代碼中進行了兩種變換
transforms.ToTensor() 數據類型轉換
將數據轉換爲Tensor類型，才能再Pytorch中進行計算
transforms.Normalize() 標準化變換
#下載訓練集和測試集
data_train=datasets.MNIST(root="./data",
transform=transform,
train=True,
download=True
)
data_test=datasets.MNIST(root="./data",
transform=transform,
train=False)
下載訓練集和測試集，下載到了當前路徑中，實現下載的代碼是torchvision.dataset.MNIST
transform用於指定變換，transform之前已經定義過
train=True 代表載入的是數據集的訓練集部分，=False：測試集部分
#數據裝載
data_loader_train=torch.utils.data.DataLoader(dataset=data_train, #指定數據集
batch_size=64,
shuffle=True)
data_loader_test=torch.utils.data.DataLoader(dataset=data_test, batch_size=64, shuffle=True)
torch.utils.data.DataLoader（）數據裝載
batch_size 需要將圖片打包送給模型訓練，設定每個包的大小（圖片數量）
shuffle 是否將圖片打亂
images,labels=next(iter(data_loader_train))
iter（）生成迭代器
next（）返回迭代器的下一個項目
#網格變換前，四個維度（batch_size,channel,height,weight）
img=torchvision.utils.make_grid(images) #三個維度 （channel,height,weight）
img=img.numpy().transpose(1,2,0) #改變維度順序（height,weight，channel）
torchvision.utils.make_grid() 將一個批次的圖片構造成網格模式
一個批次的圖片整合在了一起（如執行結果），減去了batch_size維度
transpose() 改變維度順序
（channel,height,weight） --> img=img.numpy().transpose(1,2,0) -->（height,weight，channel）
std=[0.5,0.5,0.5]
mean=[0.5,0.5,0.5]
img=img*std+mean
這步處理我沒有懂，列出前後對比吧
#打印這批次圖片的標籤
print([labels[i] for i in range(16)])
#顯示
cv2.imshow('win',img);
key_pressed=cv2.waitKey(0);
書中顯示是用的plt，但是我的plt不顯示圖片。。。
我遇到的坑
1.torchvision 我用的是windows，而Anaconda Cloud 裏torchvision沒有win版本的，其實直接用 pip install torchvision 就可以
但是我的安裝成功了，import torchvision卻會報錯，原以爲我之前都是conda安裝的，所以pip安裝不在一個解析器下所以不好使，但是經歷了一天半（包括想放棄win而安裝ubuntu虛擬機吧啦吧啦）後，終於發現哪出了問題：
我的pillow 包版本低，所以找不到image模塊 所以 conda update pillow 之後就ok了，import torchvision終於正常
2. 我用matplotlib中的pyplot時（plt） plt.imshow()不顯示圖片，受到之前的教訓，把matplotlib升級試了試，問題來了，在它升級過程中，不知道它和pillow有什麼關係，竟將pillow降級了，可想而知，我的torchvision又不能用了
所以最後又把pillow給更新了，用cv2代替plt的顯示功能