from torch.utils.tensorboard import SummaryWriter from PIL import Image import numpy as np
writer=SummaryWriter("logs") # 创建日志文件夹
writer.add_image("test",img_array,2,dataformats='HWC') # table ,input,索引
dataformats在数据类型转化的时候使用
for i in range(100): # 自己绘图，y=2*x
writer.add_scalar("y=2x",2*i,i) # title y轴 x轴
writer.close() # 关闭
运行之后，进入pycharm的terminal
输入 tensorboard --logdir=logs 进入主机名对应的窗口
若主机服务器多人使用，打开同一个端口了，可以选择指定一个端口
tensorboard --logdir=logs --port=6007 打开6007的端口了
torchvision中的transforms（工具箱，是torchvision用来处理图像的）from torchvision import transforms
工具线中的很多工具
创建具体的工具 tool=transforms.ToTensor()
使用工具 result=tool(input)
下载数据集时，遇到数据集下载速度慢的，可以将下载链接复制到迅雷下载- 卷积层
- 池化层
- 非线性激活
下载的训练数据集保存地址
Downloading: "https://download.pytorch.org/models/vgg16-397923af.pth" to C:Usersuser/.cachetorchhubcheckpointsvgg16-397923af.pth
调用cuda时用 if torch.cuda.is_available():进行判断是否能够调用gpu进行加速
