详细安装教程和环境配置可以看：Python深度学习：安装Anaconda、PyTorch（GPU版）库与PyCharm_哔哩哔哩_bilibili

跟学课程：B站我是土堆

pytorch中两个实用函数： dir()：打开          help():说明书

PyCharm及jupyter的对比

python文件：代码是以块为一个整体运行的(python文件的块是所有行的代码），如果中间有错误会重头运行

python控制台：代码是任意行为块运行（可以自己划分块），有错误会从错误的地方开始运行。

jupyter：根据自己划分的代码块执行，如果有错误，会从错误的代码块开始运行。

 

 pytorch如何加载数据

Dataset ：提供一种方式获取数据及其label

如何获取每一个数据及其lable

告诉我们一共有多少数据

Dataloader ：为后面的网络提供不同的数据形式 

dataset类代码实战

from torch.utils.data import Dataset
from PIL import Image
import os

class MyData(Dataset):

    def __init__(self, root_dir, label_dir):
        self.root_dir = root_dir
        self.label_dir = label_dir
        self.path = os.path.join(self.root_dir, self.label_dir)
        self.img_path = os.listdir(self.path)


    def __getitem__(self, idx):
        img_name = self.img_path[idx]
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
        img = Image.open(img_item_path)
        label = self.label_dir
        return img, label

    def __len__(self):
        return len(self.img_path)

root_dir = r"dataset\train"
ants_label_dir = "ants_image"
bees_label_dir = "bees_image"
bees_dataset = MyData(root_dir, ants_label_dir)
ants_dataset = MyData(root_dir, ants_label_dir)

train_dataset = ants_dataset + bees_dataset

from torch.utils.data import Dataset
from PIL import Image
import os

root_dir = r"dataset\train"
target_dir = "ants_image"
img_path = os.listdir(os.path.join(root_dir, target_dir))
label = target_dir.split('-')[0]
out_dir = "ants_label"
for i in img_path:
    file_name = i.split('.jpg')[0]
    with open(os.path.join(root_dir, out_dir, "{}.txt".format(file_name)),"w") as f:
        f.write(label)