Pytorch入门丨简单易懂（记录学习）

Anaconda Prompt的一些操作：

创建环境：

conda create -n name1 python=3.9

这里 -n 后面的内容是你创建的环境的名字，

随后如果出现，yes即可。

激活这些包的指令：

pip list可以知道这个环境中有哪些工具包

加载数据：

Dataset 提供一种方式去获取数据及其label

Dataloader 为后面的网络提供不同的数据形式

nvidia-smi可以知道自己的英伟达显卡的具体信息，CUDA9.2版本需要396.26版本

复制安装指令，安装即可。

安装过程中出现如下信息同上操作：

随后再次使用pip list查看是否有Pytorch即可（过程太慢请使用镜像）。

另一种检查方法是键入python进入python，然后import torch

随后再输入torch.cuda.is_available()，如果返回True则成功。

在Pytorch中安装Jupyter

conda install nb_conda

随后键入jupyter notebook即可

一些方便的指令：

dir() 打开，看见

help() 说明书

下面是一些调用数据的实例：

 1 # -*- coding:utf-8 -*-
 2 from torch.utils.data import Dataset
 3 from PIL import Image
 4 import os
 5 
 6 
 7 class MyData(Dataset):
 8     # 初始化，根据这个类来创建特定的实例时需要
 9     def __init__(self, root_dir, label_dir):
10         self.root_dir = root_dir
11         self.label_dir = label_dir
12         self.path = os.path.join(self.root_dir, self.label_dir)
13         self.img_path = os.listdir(self.path)
14 
15     def __getitem__(self, idx):
16         img_name = self.img_path[idx]
17         img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
18         img = Image.open(img_item_path)
19         label = self.label_dir
20         return img, label
21 
22     def __len__(self):
23         return len(self.img_path)
24 
25 
26 root_dir = "dataset/train"
27 ants_label_dir = "ants"
28 bees_label_dir = "bees"
29 ants_dataset = MyData(root_dir, ants_label_dir)
30 bees_dataset = MyData(root_dir, bees_label_dir)
31 
32 train_dataset = ants_dataset + bees_dataset
33 
34 # 当然，也可以通过修改文件夹名字来进行如上操作，这里就不给出了。