pytorch 我是土堆课程学习
2026-1-15
tips：
gethub的download zip 之后，浏览器上下载卡住了：使用 fdm（free download Manager）
右键下载链接复制到fdm即可
anaconda常用指令
进入 Anaconda prompt
conda create -n [环境名称] python=[3.6]
ad: conda create -n tudui python=3.6
conda list 获取base环境中的所有包
conda env list 表示Anaconda里面所有的环境
conda activate tudui 激活“tudui”这个环境
当然也可以用Anaconda Navigator这种可视化页面来操作
新建Python环境并安装必要的numpy等以及torch库
conda create -n aqua2 -y python=3.11 conda activate aqua2 conda install -y -c conda-forge numpy=1.26.4 scipy=1.13 pandas=2.2 matplotlib=3.8 scikit-learn=1.5 conda install -y -c pytorch pytorch torchvision torchaudio cpuonly python -c "import torch, numpy; print('torch', torch.__version__); print('numpy', numpy.__version__); a=torch.randn(2000,2000); print((a@a).shape)"io==2.4.1"验证
python -c "import torch, numpy; print('torch', torch.__version__); print('numpy', numpy.__version__); print('cuda', torch.version.cuda); print('mps', getattr(torch.backends,'mps',None))"python -c "import torch; x=torch.randn(2,3); y=x@x.T; print('ok', y.shape, y.dtype)"在tudui环境中安装notebook的包
conda activate tudui
conda install nb_conda （注意这里最好别用pip）
jupyter notebook
主要是要看conda list里面有没有ipkernel，没有就需要安装这个包
然后用浏览器进入
新建对应conda环境tudui的notebook
验证：import torch
torch.cuda.is_available()
正确输出：true
help()与dir()
help(torch.cuda.is_available)
dir(torch.cuda.is_available())
Dataset与Dataloader
Dataset和DataLoader是 PyTorch 中数据加载的两个核心组件，它们分工明确，一起协作完成高效的数据加载和处理。
1.Dataset
定义：数据集的定义者和描述者
职责：负责定义数据如何组织、存储和读取
关键方法：
__len__()：返回数据集的大小__getitem__()：根据索引返回单个数据样本
特点：被动组件，不管理批次、打乱等
from torch.utils.data import Dataset import torch class MyDataset(Dataset): def __init__(self, data): self.data = data def __len__(self): return len(self.data) def __getitem__(self, idx): return self.data[idx] # 返回单个样本 # 创建数据集 dataset = MyDataset(torch.randn(100, 3, 32, 32)) # 100个样本 print(f"数据集大小: {len(dataset)}") # 100 sample = dataset[0] # 获取第一个样本 print(f"样本形状: {sample.shape}") # torch.Size([3, 32, 32])2.DataLoader
定义：数据加载的管理者和执行者
职责：负责批量加载、打乱、并行处理等
关键功能：
批量处理
数据打乱
多进程并行加载
数据预处理
特点：主动组件，管理加载流程
from torch.utils.data import DataLoader # 创建数据加载器 dataloader = DataLoader( dataset, # 传入 Dataset batch_size=16, # 批次大小 shuffle=True, # 打乱数据 num_workers=2, # 并行进程数 drop_last=True # 丢弃最后一个不完整的批次 ) # 遍历批次 for batch in dataloader: print(f"批次形状: {batch.shape}") # torch.Size([16, 3, 32, 32]) break