人工智能及大數(shù)據(jù)學(xué)習(xí)-pytorch計(jì)算機(jī)視覺工具包torchvision

2018年07月07日 Pytorchpipinstalltorchvision獨(dú)立于Pytorch，需通pipinstalltorchvisionmodelsAlexNetVGGResNetInceptionCOCO等；transforms:提供常用的數(shù)據(jù)預(yù)處理操作，主要包括對(duì)Tensor及PILImage對(duì)象的操作。fromfromtorchvisionimportfromtorchimport 11234567fromtorchvisionfromtorchvisionimportfromtorchvisionimporttransformsasT.Resize(224),#縮放（Image）,保持長(zhǎng)寬比不變，最短邊為224T.CenterCrop(224),中間裁剪出224*224T.ToTensor(),Image轉(zhuǎn)換成Tensor，歸一化至【0,1 #標(biāo)準(zhǔn)化至【-1,1】，規(guī)定均值方123456789importtorchasfromtorchvisionimport12345make_grid、torchvision還提供了兩個(gè)常用的函數(shù)，一個(gè)是make_grid，它能將多張拼fromfromtorchvisionimportfromtorchvisionimporttransformsasT.Resize(224),#縮放（Image）,保持長(zhǎng)寬比不變，最短邊為224T.CenterCrop(224),中間裁剪出224*224T.ToTensor(),Image轉(zhuǎn)換成Tensor，歸一化至【0,1 #標(biāo)準(zhǔn)化至【-1,1】，規(guī)定均值方fromtorch.utils.dataimportDataLoaderfromtorchvision.utilsimportmake_grid,save_image #拼成4*4的網(wǎng) ，且會(huì)轉(zhuǎn)成3通道1233456789本節(jié)重點(diǎn)介紹深度學(xué)習(xí)中常用的可視化工具：Tensorboard和需要安裝TensorFlow和pip3pip3install1python-mTensorBoard1.8.0at還有針對(duì)Pytorch開發(fā)的使用方法參考 pip3installpip3installpython-mpython-m瀏覽器：importimportimportnumpyasimporttorchasvis=import#接客戶#指定env=u'test1'，默認(rèn)端口為8097，host是‘x=t.arange(1,30,y=vis.line(X=x,Y=y,win='sinx',opts={'title':123456789y=:::,IIl?-1邑vifX心P}XXC3P}X口讓X'([3iAi!X葉邑C悶盂盂守應(yīng)用 診current... Visdom支持下列API。由Plotlyvis.scattervis.scatter2D3Dvis.line:線圖vis.stem:莖vis.heatmap:熱力圖vis.bar:條形圖vis.boxplot:箱型圖vis.surf:表面圖vis.contour:輪廓圖vis.image:vis.text:文本vis.save1234566789這些API的確切輸入類型有所不同，盡管大多數(shù)API的輸入包含，一個(gè)tensorX（保存數(shù)據(jù)）和一個(gè)可選的tensorY（保存或者時(shí)間戳）。所有的繪圖函數(shù)都接收一個(gè)可選參數(shù)win，用來(lái)將圖畫到一個(gè)特定的window上。每個(gè)繪圖函數(shù)也會(huì)返回當(dāng)前繪圖的win。您也可以指定匯出的圖添加到哪個(gè)env上。（這里的window的意思就是之前說(shuō)的Pane）本小節(jié)：importimportimportnumpyasimporttorchas#vis=#接客戶#指定env=u'test1'，默認(rèn)端口為8097，host是‘vis=x=t.arange(1,30,0.01)y=t.sin(x)vis.line(X=x,Y=y,win='sinx',opts={'title':#可視化一個(gè)隨機(jī)的黑白#隨機(jī)可視化一張 vis.image(t.randn(3,64,64).numpy(),#可視化36張隨機(jī)的 片，每一行6vis.images(t.randn(36,3,64,64).numpy(),nrow=6,win='random3', o,append追加數(shù)據(jù)foriiinrange(0,#y=x=t.Tensor([ii])y=xvis.line(X=x,Y=y,win='polynomial',update='append'ifii>0else#updateTrace新增一條xx=t.arange(0,9,0.1)y=(x**2)/9vis.updateTrace(X=x,Y=y,win='polynomial',name='thisisanew1123456789 te歡11? 8642?8642==-GAN1234567899這里主要介紹深度學(xué)習(xí)中常見的line、image和textVisdomPyTorch的tensor和Numpy的ndarray兩種數(shù)據(jù)結(jié)構(gòu)，但不支持Python的int、float等類型，因此每次傳入時(shí)都需先將數(shù)據(jù)轉(zhuǎn)成ndarray或tensor。上述操作的參數(shù)一般不同，但有兩個(gè)參數(shù)是絕大多數(shù)操作win：用于指定pane的名字，如果不指定，visdom將自動(dòng)分配一個(gè)新的pane。如果兩次操作指定的win名字一樣，新的操作將覆蓋當(dāng)前pane的等，主要用于設(shè)置pane的顯示格式。不斷更新數(shù)值，如損失值等，這時(shí)就需要指定參數(shù)update='append'之前的數(shù)值。而除了使用update參數(shù)以外，還可以使 的Traceupdate='append'trace也可以接收一個(gè)二維或三維的向量，此時(shí)它所實(shí)現(xiàn)的功能與image一致。1234vis.image(t.randn(3,64,64).n