P7. TensorBoard的使用（一）

• TensorBoard 的安装与导入
pip install -i tensorboard

• add_scalar() 的使用

• TensorBoard 的启动
tensorboard --logdir=logs --port=6006

• 案例演示：p7_tensorboard_1.py

P8. TensorBoard的使用（二）

• add_image() 的使用（常用来观察训练结果）

• 案例演示：p8_tensorboard_2.py

P9. Transforms的使用（一）

• transforms 该如何使用

• 案例演示：p9_transforms_1.py

P10. Transforms的使用（二）

• 为什么需要 Tensor 数据类型
• Tensor（张量）是PyTorch、TensorFlow等深度学习框架中的核心数据结构，本质上是多维数组（类似于NumPy的ndarray），但具备更强大的功能，专为高效计算和硬件加速设计。
• Tensor 是深度学习的基石，它统一了多维数据的表示、支持硬件加速和自动微分，是构建高效、灵活神经网络的必备工具。

• 案例演示：p10_transforms_2.py

P11. 常见的Transforms（一）

• ToTensor 的使用

• Normalize 的使用

• 案例演示：p11_transforms_use_1.py

P12. 常见的Transforms（二）

• Resize 的使用

• Compose 的使用

• RandomCrop 的使用

• 总结
• 关注输入和输出类型
• 多看官方文档
• 关注方法需要什么参数

• 不知道返回值的时候
• print
• print(type())
• debug

• 案例演示：p12_transforms_use_2.py

P13. torchvision中的数据集使用

• 官方数据集
Datasets — Torchvision 0.22 documentation
Torchvision provides many built-in datasets in the torchvision.datasets module, as well as utility classes for building your own datasets.

https://docs.pytorch.org/vision/stable/datasets.html

• 使用

• 数据集的常用参数
• root (必需参数)：指定数据集存储的根目录路径。
• train (默认值: True)：指定加载训练集还是测试集。
• transform (默认值: None)：定义对图像数据的预处理操作（如缩放、归一化、数据增强）。
• target_transform (默认值: None)：定义对标签（target）的预处理操作（如标签映射、编码转换）。
• download (默认值: False)：是否自动下载数据集到 root 目录。

• 案例演示：p13_datasets.py

P14. DataLoader的使用

• 使用

• DataLoader 的常用参数
• dataset (必需参数)：指定要加载的数据集对象，必须是继承自 torch.utils.data.Dataset 的实例。
• batch_size (默认值: 1)：每个批次（batch）加载的样本数量。
• shuffle (默认值: False)：是否在每个 epoch 开始时打乱数据顺序。
• num_workers (默认值: 0)：用于数据加载的子进程数量。
• drop_last (默认值: False)：是否丢弃最后一个不完整的批次（当样本总数不能被 batch_size 整除时）。
• pin_memory (默认值: False)：是否将数据加载到 CUDA 的固定内存（pinned memory）中。
• timeout (默认值: 0)：设置从子进程获取数据的超时时间（秒）。
• sampler 和 batch_sampler：自定义数据采样策略（替代默认的随机打乱或顺序采样）。
• collate_fn (默认值: None)：自定义如何将多个样本合并成一个批次（batch）。

• 案例演示：p14_dataloader.py