一、python两大函数：
1、dir():打开，看见
2、help（）:说明书
dir(pytorch)
输出：1、2、3、4
dir(pytorch.3)
输出：a、b、c
help(pytorch.3.a）
总结：dir函数：能让我们知道工具箱以及工具箱中的分隔区有什么东西
help函数：能让我们知道每个工具是如何使用的，工具的使用方法。
二、 jupyter使用：
1、打开conda promt
激活pytorch的环境变量：1、输入conda activate pytorch
打开notebook： 2、输入jupyter notebook
2、找到你在pycharm的新建工程路径，注意如果你的环境变量在c盘，那么jupyter只能连接c盘的路径
3、然后创建一个新的文件python [conda env:pytorch]
如果你想在其他盘创建：切换到其他盘，在输入jupyter notebook：
如下：
多行输入：shift +enter
输出：shift+回车
三、pytorch 如何加载数据：
Dataset:提供一种方式去获取数据及其label
功能：如何获取每一个数据及其label，告诉我们总共有多少的数据
Dataloader:为后面的网络提供不同的数据形式
pycharm:直接ctrl + 左键可以输出这个函数的作用
jupyter: help(函数）
四、tensorboard的使用
1、tensorboard之SummaryWriter的使用
主要用到两个方法：
add_image与add_scalar
add_scalar参数：
tag:数据标识符，有点类似与画出的图表title
scalar_value:需要保存的数值，相当于y轴
global——step：相当于x轴
例子：
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs')#对summmary进行一个实例对象。
for i in range(100):
writer.add_scalar("y=x",i,i)
# writer.add_scalar("y=2x",2*i,i)
writer.close()
在终端输入tensorboard --logdir=logs
出现：
默认端口：6006，如果你想指定端口tensorboard --logdir=logs --port=6007
浏览器出现以下窗口：
add_image参数：
tag:tag:数据标识符，有点类似与画出的图表title
img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data
dataformats:Default is :math:(3, H, W).,如果你的图像类型是其他的比如（H,W,3),只需要加一个dataformats=‘CHW’
例子：
from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np
img_path = r"E:\code\python_code\pytorch_study\train\ants_image\0013035.jpg"
writer = SummaryWriter('logs')
img_PIL = Image.open(img_path)
img_ndarry = np.array(img_PIL)
writer.add_image('test',img_ndarry,1, dataformats='HWC')
for i in range(100):
writer.add_scalar("y=2x",3*i,i)
writer.close()
结果如下：
五：Transforms的使用
compose用法：compose中的参数需要是一个列表，python中，列表的表示形式为【数据1，数据2，…】，在compose中，数据需要时transforms类型，所以得到compose([transforms参数1，transforms参数2，…]
from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('logs')
img_path = r"E:\code\python_code\pytorch_study\train\ants_image\0013035.jpg"
img_PIL = Image.open(img_path)
print(img_PIL.size)
#transforms.ToTensor()的使用
# Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor. This transform does not support torchscript.
trans_totensor = transforms.ToTensor()#实例化对象
tensor_img = trans_totensor(img_PIL)
writer.add_image('tensor_img',tensor_img)
#transforms.Normalize()的使用
#Normalize a tensor image with mean and standard deviation.
tensor_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = tensor_norm(tensor_img)
writer.add_image('img_norm',img_norm)
#transfrom.resize
#"Resize the input image to the given size.
trans_resize = transforms.Resize((512, 512))
img_resize = trans_resize(img_PIL)#由于img——resize的数据类型为
#<PIL.Image.Image image mode=RGB size=512x512 at 0x211F9AC41F0>，如果想要writer.add_image的话
#必须转换为tensor数据类型
#函数transform，TOtensor可以将其转换
img_resize = trans_totensor(img_resize)
writer.add_image('img_resize',img_resize,0)
writer.close()
结果如下：
六：
torchvision中的数据集使用
import torchvision
from torch.utils.tensorboard import SummaryWriter
dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
#下载数据集
train_set = torchvision.datasets.CIFAR10(root='./dataset',train=True,transform=dataset_transform,download=False)
test_set = torchvision.datasets.CIFAR10(root='./dataset',train=False,transform=dataset_transform,download=False)
print(test_set[0])
writer = SummaryWriter('p14')
for i in range(10):
img, target = train_set[i]
writer.add_image('train_dataset',img,i)
writer.close()
如果下载太慢的话，可以使用迅雷下载，然后保存到该目录下的dataset里面。
七：dataloader的使用
import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
train_set = torchvision.datasets.CIFAR10(root='./dataset',train=True,transform=dataset_transform,download=False)
test_set = torchvision.datasets.CIFAR10(root='./dataset',train=False,transform=dataset_transform,download=False)
test_loader = DataLoader(dataset=test_set,batch_size=64,shuffle=True,num_workers=0,drop_last=False)
writer = SummaryWriter('dataloader')
step = 0
for data in test_loader:
img, target = data
writer.add_images('test_data',img,step)
step= step + 1
writer.close()
