深度学习Pytorch（二）

   from torch.utils.data import Dataset
   help(Dataset)  #或者直接使用Dataset??

   from torch.utils.data import Dataset
   from PIL import Image
   import os
   class MyData(Dataset):
   def __init__(self,root_dir,label_dir):     #root_dirw为ants目录上层目录，label_dir为ants目录，此ants目录的目录名即为标签名
       self.root_dir=root_dir
       self.label_dir=label_dir
       self.path=os.path.join(self.root_dir,self.label_dir)   #拼接
       self.img_path=os.listdir(self.path)     #得到ants目录中所有图片的名字列表
   def __getitem__(self, idx):    #idx为编号
       img_name=self.img_path[idx]
       img_item_path=os.path.join(self.root_dir,self.label_dir,img_name)   #拼接
       img=Image.open(img_item_path)
       label = self.label_dir
       return  img,label
   def __len__(self):
       return len(self.img_path)

   root_dir="dataset/train"
   ants_label_dir="ants"
   bees_label_dir="bees"
   ants_dataset=MyData(root_dir,ants_label_dir)   #创建蚂蚁数据集
   bees_dataset=MyData(root_dir,bees_label_dir)    #创建蜜蜂数据集
   train_dataset=ants_dataset+bees_dataset      #将蚂蚁数据集和蜜蜂数据集进行拼接
   img,label=train_dataset0      #相当于直接调用getitem函数，返回两个参数
   img.show()

pip install tensorboard

from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")   #存储到logs文件夹下

# writer.add_image()
# y=x
for i in range(100):
    writer.add_scalar("y=x",i,i)    #第一个参数是标题，第二个参数是y轴，第三个参数是x轴
writer.close()

tensorboard --logdir=logs --port=6007   #logdir为事件文件所在文件夹名，port指定端口

pip install opencv-python

from PIL import Image
image_path="dataset/train/ants/0013035.jpg"
img=Image.open(image_path)
print(type(img))

Args:
            tag (str): Data identifier
            img_tensor (torch.Tensor, numpy.ndarray, or string/blobname): Image data
            global_step (int): Global step value to record

import numpy as np
img_array=np.array(img)
print(type(img_array))

import numpy as np
from torch.utils.tensorboard import SummaryWriter
from PIL import Image
writer=SummaryWriter("logs")   #存储到logs文件夹下

image_path="dataset/train/ants/69639610_95e0de17aa.jpg"
img_PIL=Image.open(image_path)    #得到PIL格式的图片
img_array=np.array(img_PIL)      #将PIL格式的图片转换为numpy格式的
print(type(img_array))
print(img_array.shape)
#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
writer.add_image("train",img_array,1,dataformats='HWC')  #dataformats参数为高度H，宽度W,通道C，不清楚图片的类型就用图片.shape查看
#第二个参数为指定步数
# y=x
for i in range(100):
    writer.add_scalar("y=x",i,i)    #第一个参数是标题，第二个参数是y轴，第三个参数是x轴
writer.close()

tensorboard --logdir=logs --port=6007   #logdir为事件文件所在文件夹名，port指定端口