pytorch学习总结
1、os.path.join()函数的功能：
root_dir = "dataset/train"
label_dir = 'ants'
path = os.path.join(root_dir,label_dir)连接两个或更多的路径名组件
如果各组件名首字母不包含’/’，则函数会自动加上
如果有一个组件是一个绝对路径，则在它之前的所有组件均会被舍弃
如果最后一个组件为空，则生成的路径以一个’/'分隔符结尾
2、self（）
一个函数的变量不能传递给另外一个函数中的变量，self可以把self指定的一个变量给后面函数使用，相当于指定了一个类的全局变量
3、os.listdir()
用于返回指定的文件夹包含的文件或文件夹的名字的列表
4、PIL
PIL 是 Python Image Library 的简称。PIL 是第三方库，使用之前需要先安装。
pip install pillowPIL 库中提供了诸多用来处理图片的模块，可以对图片做类似于 PS（Photoshop） 的编辑。比如：改变图像大小、旋转图像、图像格式转换，转换颜色通道，图像增强，直方图处理，插值和滤波等等。
5、from PIL import Image出错
因为少安装了pillow和image这两个包，在pycharm的终端里输入以下代码：
pip3 install pillow -image -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install scikit-image -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
6、Tensorboard
Tensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTorch也推出了自己的可视化工具，一个是tensorboardX包，一个是torch.utils.tensorboard，二者的使用相差不大。
具体学习参考：详解Tensorboard及使用教程_进击的南方仔的博客-CSDN博客_tensorboard使用
7、打开logs文件的使用指令
logdir：事件文件所在文件夹名
为了防止和别人冲突，指定端口：
8、从PIL到numpy，需要在add_image（）中指定shape中每一个数字/维表示的含义
否则会出错：
#指定前
writer.add_image("test",img_array,1)
#指定后
writer.add_image("test",img_array,1,dataformats='HWC')
9、torchvision中的transforms：
transform：主要是对图片进行一些变换
10、路径问题
windows系统中绝对路径中的斜杠/会被当成转义符：
解决办法：
（1）用相对路径
（2）在字符串前加r，取消转义：
11、查看括号内需要什么参数
CTRL+P
12、python中_call_的用法
相当于构造方法，是把类当作函数使用的时候定义
class Person:
def __call__(self, name):
print("__call__" + "Hello" + name)
def hello(self,name):
print("hello"+name)
person = Person()
person("zuosan")
person.hello("lisi")
person.hello()
13、compose（）
compose（）类会将transforms列表里面的transform操作进行遍历
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，数据需要是transforms类型，所以得到（[transforms参数1，transforms参数2，……]）
14、ToTensor的使用
# ToTensor的使用
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
writer.add_image("ToTensor",img_tensor)
writer.close()15、Normalize
（input-x）/ x = 2*input - 1
16、不知道返回值的时候
（1）print
（2）print（type（））
（3）debug
17、遇到错误：AttributeError: 'module' object has no attribute 'conv1'
原因：init方法应该是敲错了 ，打成了int
18、"max_pool2d" not implemented for 'Long'
或：RuntimeError: mean(): input dtype should be either floating point or complex dtypes. Got Long instead.
原因：最大池化无法对Long数据类型进行实现/要求是浮点数，不能是整形的Long
解决：在input里加入：dtype=torch.float32
19、inplace
#不保留原始数据
input = -1
Relu(input,inplace=True)
Input=0
#保留原始数据，防止数据丢失
input=-1
Output=Relu(input,inplace=False)
Input=-1
Output=020、报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x49152 and 196608x10)
解决：dataloader的drop_last设置为True
21、sequential的使用
import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
class Zuosan(nn.Module):
def __init__(self):
super(Zuosan, self).__init__()
self.conv1 = Conv2d(3, 32, 5, padding=2)
self.maxpool1 = MaxPool2d(2)
self.conv2 = Conv2d(32, 32, 5, padding=2)
self.maxpool2 = MaxPool2d(2)
self.conv3 = Conv2d(32, 64, 5, padding=2)
self.maxpool3 = MaxPool2d(2)
self.flatten = Flatten()
self.linear1 = Linear(1024, 64)
self.linear2 = Linear(64, 10)
)
def forward(self,x):
x = self.conv1(x)
x = self.maxpool1(x)
x = self.conv2(x)
x = self.maxpool2(x)
x = self.conv3(x)
x = self.maxpool3(x)
x = self.flatten(x)
x = self.linear1(x)
x = self.linear2(x)
return x
zuosan = Zuosan()
print(zuosan)
input = torch.ones((64,3,32,32))
output = zuosan(input)
print(output.shape)
#简洁版
import torch
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
class Zuosan(nn.Module):
def __init__(self):
super(Zuosan, self).__init__()
self.model1 = Sequential(
Conv2d(3, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 32, 5, padding=2),
MaxPool2d(2),
Conv2d(32, 64, 5, padding=2),
MaxPool2d(2),
Flatten(),
Linear(1024, 64),
Linear(64, 10)
)
def forward(self,x):
x = self.model1(x)
return x
zuosan = Zuosan()
print(zuosan)
input = torch.ones((64,3,32,32))
output = zuosan(input)
print(output.shape)
22、epoch、iteration和batchsize的区别
reference：深度学习中的batch、epoch、iteration的含义_bboysky45的博客-CSDN博客_epoch
（1）batchsize：批大小。在深度学习中，一般采用SGD（梯度下降法）训练，即每次训练在训练集中batchsize个样本训练；
（2）iteration：1个iteration等于使用batchsize个样本训练一次；
（3）epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮几次。
23、报错：RuntimeError: unexpected EOF, expected 309663195 more bytes. The file might be corrupted.
因为使用Pytorch下载网络模型时由于网络等的原因导致模型参数下载不完整造成的，可以去到下载模型的文件夹：.cache\torch\hub\checkpoints中将其删除，然后再重新下载，找不到.cache文件可能是文件被隐藏了，CTRL+alt+H可找到被隐藏的文件。
如果下载太慢，可以将地址复制到迅雷下载
24、报错：size mismatch, m1: [64 x 1024], m2: [4096 x 64] at ..\aten\src\TH/generic/TH
问题：输入图像大小不匹配问题 size mismatch
经过检查发现是由于在全连接层时矩阵维度大小问题，将维度64*4*4写成了64*64
25、报错：TypeError: ToTensor() takes no arguments
ToTensor没加括号
如下：
持续更新ing……………………………………