PyTorch学习笔记合集
PyTorch环境的配置和安装
conda常用命令
一、conda命令
conda 命令可以用来：
- 创建新的 conda 环境。
- 在现有的 conda 环境中安装/升级包。
- 查询/搜索 Anaconda 包的索引和当前 Anaconda 的安装。
Tip: 我们可以将前面带有两个短线（
--）的常用命令进行缩写（并不是所有的都可以缩写），方法是取一个短线和选项的首字母。例如--name可以缩写成-n，--envs可以缩写成-e。
使用 conda -V 以查看当前的 conda 版本。
我们可以通过命令行来寻求相应的帮助，即
conda --help当然也可以使用缩写
conda -h如果我们想要进一步查看 install 命令该如何使用，只需执行
conda install -h二、conda info
conda info 可以用来查看相关信息，其格式如下：
conda info [-a] [--base] [-e] [-s] [--unsafe-channels]-a, -all： 查看所有信息（不常用）。
–base：查看基环境所在路径。
conda info --base-e, –envs：列出当前所有的 conda 环境。
conda info -e-s, –system：列出所有的环境变量（不常用）。
–unsafe-channels：查看令牌公开的频道。
conda info --unsafe-channels三、conda create
conda create 可以用来创建新的 conda 环境，其格式如下：
conda create [-n env_name | -p path] [--clone env_name] [-c channel_address]
[packages]-n, –name：我们可以根据环境名称来创建一个 conda 环境，假设我们的环境名称为 my_env
conda create -n my_env创建完成后，我们使用如下命令进入该环境
conda activate my_env此时命令行前面多了一个 (my_env)，这个是我们进入了该环境的标志。
使用 conda list 命令来查看该环境下都安装了哪些包。
因为我们并没有在创建环境的时候安装包，所以结果自然是什么都没有。
如果要退出该环境，只需执行
conda deactivate注意： 我们只能退到基环境，在基环境下继续退出依然在基环境。
-p, –prefix：除了根据名称创建环境以外，我们还可以根据地址来创建 conda 环境。
在上面的例子中，我们创建的 my_env 环境的地址为：G:\anaconda3\envs\my_env。事实上，如果不指定地址，则所有的环境都会创建在 ...\anaconda3\envs\ 下。
若要根据地址来创建，只需执行
conda create -p G:\anaconda3\envs\my_env–clone：--clone 主要用来克隆（复制）现有的环境。
我们可以根据现有环境的名称来进行克隆，假设现有环境的名称为 original_env，新的环境的名称为 new_env，则只需执行
conda create -n new_env --clone original_env当然我们也可以根据现有环境的地址来进行克隆：
conda create -n new_env --clone G:\anaconda3\envs\original_env-c, –channel：首先来介绍一下什么是 conda 频道。
conda 频道是存储 包 的位置，安装 包 时 conda 会搜索现有的频道集合，并选取其中一个频道来安装 包。
conda 的默认频道是 https://repo.anaconda.com/pkgs/，但该频道需要付费，我们一般使用 conda-forge 这个频道来进行安装，它是免费的。
有关频道的设置这里从略，后续的章节会陆续提及。
packages：我们新创建的环境如果不安装必要的包是无法使用的，需要安装的包用空格隔开，即
conda create -n my_env python numpy flask我们用该命令创建了一个叫 my_env 的环境，同时安装了三个包 python、numpy、flask。
安装完成后，可以使用 conda list 命令查看已经安装的包。
此外，我们的 python 安装的是最新版本，当然我们也可以指定版本进行安装：
conda create -n my_env python=3.9.7 numpy flask四、conda install
conda install 可以用来在 conda 环境中安装相应的包，具体格式如下：
conda install [-n env_name | -p path] [-c channel_address] [packages]已经介绍的选项这里就不再介绍了。
例如，我们要在 my_env 下安装 3.9.7 版本的 python。我们可以先进入该环境，然后安装：
conda activate my_env
conda install python=3.9.7注意，这里的 = 实际上是模糊约束，详情见下图：
也可以直接指定环境安装：
conda install -n my_env python=3.9.7 # 根据名称
conda install -p G:\anaconda3\envs\my_env python=3.9.7 # 根据地址再例如，安装 cvxpy 时，我们可以从指定的频道（conda-forge）进行安装
conda install -n my_env -c conda-forge cvxpy五、conda remove
conda remove 可以用来移除 conda 环境中的某些包，也可以移除整个环境，具体格式如下：
conda remove [-n env_name | -p path] [packages] [--all]例如，如果我们需要移除 my_env 下的 numpy，只需执行
conda remove -n my_env numpy当然我们也可以移除所有包（即整个conda环境）
conda remove -n my_env --all需要注意的是，conda 没有提供重命名环境的命令，我们只能先克隆一份原来的环境，然后再删除原来的环境，具体操作如下（例如将环境 a 重命名成 b）：
conda create -n b --clone a
conda remove -n a --allconda uninstall 是 conda remove 的别名，我们也可以使用 conda uninstall 来移除包，方法是相同的。
六、conda list
conda list 用来列出 conda 环境中的包，具体格式如下：
conda list [-n env_name | -p path] [package]conda list 只列出当前环境的所有包，若要列出其他环境的包，例如列出 my_env 下的所有包，只需执行：
conda list -n my_env若要列出 my_env 中与 numpy 相关的包（准确地来说是含有 numpy 字样的包），只需执行：
conda list -n my_env numpy基于此，我们可以使用 conda list 来查询当前环境是否安装了相应的包（每次只能查询一个），如果最后的结果没有列出，那就说明没有安装。
七、conda search
conda search 用来搜索指定的包，具体格式如下：
conda search [-c channel_address] [-f] [packages]我们可以指定在 conda-forge 中搜索 numpy：
conda search -c conda-forge numpy事实上，上述命令会搜索到所有包含 numpy 字样的包，如果我们只想搜索 numpy 这个包，需要加上 -f（--full-name 的缩写），即
conda search -c conda-forge -f numpy八、conda update
conda update 用来将一系列的包升级到最新版本，具体格式如下：
conda update [-n env_name | -p path] [packages] [--all]例如，如果我们想要升级 my_env 下的 numpy 和 scipy，只需执行
conda update -n my_env numpy scipy如果我们要想更新 my_env 中的所有包，则需执行
conda update -n my_env --all如果要更新 conda 本身，则需执行
conda update conda如果要更新 anaconda ，则需执行
conda update anaconda注： 升级
Anaconda前需要先升级conda。
九、conda config
conda config 用来配置 conda 的频道，相关信息会存储在 C:\Users\你的用户名\.condarc 文件中。
添加一个频道的格式为：
conda config --add channels [channel]例如，若要添加 conda-forge 这个频道，只需执行
conda config --add channels conda-forge由于国外频道速度一般不稳定，我们通常考虑使用国内的频道，例如清华镜像。
考虑到 Windows 用户无法直接创建名为 .condarc 的文件，我们可以先执行
conda config --set show_channel_urls yes然后再直接修改该文件。
内容如下：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud修改完后，执行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
设置完后，我们可以执行
conda config --get channels来查看已经添加的频道。
配置环境
创建一个虚拟环境
conda create -n pytorch python=3.10
conda activate pytorch安装pytorch
从官网复制需要的指令https://pytorch.org/
conda install pytorch torchvision torchaudio cpuonly -c pytorch #cpu版本虚拟环境中安装jupyter
conda install jupyter notebook
jupyter notebook #启动
按住Shift + 回车 运行并切换到下一行
Python两个重要函数
两个函数
dir函数
能让我们知道工具箱，以及工具箱中的分隔区有什么东西
help函数
能让我们知道每个工具箱中的工具是如何使用的。
实战操作
Pycharm，jupyter使用场景
以一个错误的程序为例子
python文件
一个块一个快递执行
用于存储一些代码信息
python控制台
常用：一行一行的执行
也可以以块为单位运行，但是报错信息较多，影响美观
利用python控制到进行一个小区域的调试
jupyter
以任意行为块运行
jupter用于一个小的项目，或者一个小的区域的调试
对比
①是遇到错误时的状态 ②是修改错误后运行的状态
PyTorch加载数据
Dataset
- 提供一种方式去获取数据及其lable
- 如何获取每一个数据及其lable
- 告诉我们总共有多少的数据
Dataloader
- 为后面的网络提供不同的数据形式
Dataset实战
通过两个函数查询相应用法
使用pycharm的控制台可以方便的查看每个变量详细的值和信息（右侧）
代码
from torch.utils.data import Dataset
from PIL import Image
import os
class MyDdata(Dataset):
def __init__(self,root_dir,lable_dir):
self.root_dir = root_dir
self.lable_dir = lable_dir
self.path = os.path.join(self.root_dir,self.lable_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.lable_dir,img_name)
img = Image.open(img_item_path)
lable = self.lable_dir
return img,lable
def __len__(self):
return len(self.img_path)
root_dir = "dataset/train"
ants_lable_dir = "ants"
bees_lable_dir = "bees"
ants_dataset = MyDdata(root_dir,ants_lable_dir)
ants_dataset = MyDdata(root_dir,bees_lable_dir)