Transforms的使用2（ToTensor类）

一、使用jupyter进行调试

1.1 好处

• 将代码置入后，实时的看到变量的数值
• 可以看到变量的数据类型和具体的数值
  
  查看关键参数

1.2 tensor数据类型

关键参数

• 反向传播算法
• 梯度
• 梯度的方法
• 图片的具体数值
• 使用的设备

包装了神经网络学习需要的一些相关参数

将数据转换成tensor型，进行数据训练

二、使用opencv

安装openvc

三、很重要的编码小技巧

3.1 明白参数需要什么

运用函数库中的方法后

• 使用Ctrl+p查看当前参数
• 在显示出来的东西后，查看对应的参数
• 根据实际情况和需要进行分配使用

3.2 编码

发亮的东西表示的是必填的东西

• 后面暗色的参数表示可选，当然已经有默认值了
• 一般情况下没必要加进行改动

在实例化的过程中，注意使用的东西是什么？

• 如果是类，就要建立一个类对象

3.3 理解代码运行的结果

最好的结果就是没结果

• 不要有任何多余的消息出现
• 程序退出的状态码是0

---

四、专业英语

• inspect 检测，监测，检查
• reference 参考，引用
• transforms 转换转变
• traceback回溯(最近一次调用):

很多东西见名知意

五、本节代码

from PIL import Image

# 打开一张图片
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

img_path = 'data/train/ants_image/0013035.jpg'
img = Image.open(img_path)  # 打开一张图片后，打开了什么东西要接收一下
print('当前的img数据类型是：'+str(type(img)))

writer = SummaryWriter('logs')

# 当前图片的数据类型是PIL的，需要将它转换位TENSOR型的
# 1. 先将工具拿出来
tensor_trans = transforms.ToTensor()
# 2. 原工具怎么用，现在这个初始化的东西就怎么用
img_tensor = tensor_trans(img)
print('当前ing的数据类型是：'+str(type(img_tensor)))
# 使用图片的tensor数据类型作为输入
writer.add_image("Tensor_img", img_tensor)

# writer用完之后，要主动关闭
writer.close()

---

看到最近一次的训练结果，有日期记录的