目录

01.导包、 transforms数据转化、torchvision数据集、创建dataloaders、展示图片的封装函数

 02定义模型

03定义损失函数与优化器 

1.tensorboard的安装

2.tensorboard的使用 

2.1添加图片

 2.2  添加模型结构图

 2.3  添加损失的变化

---

#pyTorch中的tensorboard 与 tensorflow中的tensorboard 一样，  
#pyTorch中的tensorboard是直接使用了ensorflow中的tensorboard 

01.导包、 transforms数据转化、torchvision数据集、创建dataloaders、展示图片的封装函数

import matplotlib.pyplot as plt
import numpy as np

import torch
import torchvision
import torchvision.transforms as transforms

import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

# transforms
#对图像数据做一个转化
transform = transforms.Compose(
    [transforms.ToTensor(),         #将数据转化为tensor， 变成0-1之间的小数，  将通道数提到图片大小的前面
    transforms.Normalize((0.5,), (0.5,))])  #正则化  标准化   （每个数字-均值0.5 ） /  标准差std 0.5

# datasets
#使用的是FashionMNIST数据集
trainset = torchvision.datasets.FashionMNIST('./data',
    download=True,
    train=True,
    transform=transform)
testset = torchvision.datasets.FashionMNIST('./data',
    download=True,
    train=False,
    transform=transform)

# 创建dataloaders
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                        shuffle=True, num_workers=2)


testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                        shuffle=False, num_workers=2)

# constant for classes
#图片数据的10种类别
classes = ('T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
        'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle Boot')


#展示图片
def matplotlib_imshow(img, one_channel=False):
    if one_channel:            #if one_channel=True: 的缩写         #若是单通道图片
        i