onnx模型部署 python（onnx模型部署arm板）



本学习笔记源自于B站up主【我是土堆】的视频教程：

本博客是该视频教程中第1-11个视频的详细学习笔记，第12-22个视频、第23-33个视频的详细学习笔记链接如下：

目录

1、PyTorch环境的配置及安装

2、Python编辑器的选择、安装及配置（Pycharm、Jupyter的安装）

Jupyter的安装，讲解的比较详细

3、【FAQ】为什么torch.cuda.is_available返回False

4、Python学习中的两大法宝函数（help、dir）

（1）dir()函数

（2）help()函数

5、PyCharm及Jupyter使用及对比

6、PyTorch加载数据初认识

查询类、函数、模块或方法的doc描述

7、Dataset类代码实战

8、TensorBoard的使用（一）

完整使用TensorBoard的流程

9、TensorBoard的使用（二）

10、Transforms的使用（一）

11、Transforms的使用（二）

无

1）安装anaconda后无需再次安装。

2）jupyter默认安装在base环境中，所以在新环境中使用jupyter时需要再次安装jupyter。

3）在命令提示符中进入新环境，输入conda install nb_conda安装juypter。

4）安装完成后输入juypter notebook即可在新环境中打开juypter notebook。

无

dir()函数返回一个包含对象的所有属性和方法名称的字符串列表。

使用案例1：

输出torch里面各种各样的分隔区：

使用案例2：

输出torch.cuda.is_available里面各种各样的变量：

可以发现，此时各变量前后有双下划线，说明is_available已经不是一个分隔区了，而是一个函数了，此时可用help()函数来查看该函数的用法。

help()函数用于获取有关Python对象、模块、函数或方法的帮助信息。

使用案例：

输出结果为：

对比了Python文件、Python控制台、Jupyter使用过程中的优缺点。讲解了Python控制台和Jupyter的使用方法，具有一定的参考价值。

介绍了三种数据集标签标注的形式：

1）文件夹名字就是标签名。

2）另外一个文件夹下记录了文件与标签的映射关系。

3）文件本身带有标签名。

介绍了什么是Dataset和Dataloader，但没有实战部分。

使用案例一：查询Dataset的doc描述

输出结果为：

使用案例二：

上述代码依然可以运行。

讲解的非常好，下述代码中进行了详细的标注，视频值得反复观看、代码值得反复阅读和背诵。

代码如下（建议复制到PyCharm中阅读）：

TensorBoard是一个可视化工具，它可以用来展示网络图、张量的指标变化、张量的分布情况等。特别是在训练网络时，我们可以设置不同的参数（比如：权重W、偏置B、卷积层数、全连接层数等），使用TensorBoard可以很直观的帮我们进行参数的选择。

代码如下（建议复制到PyCharm中阅读）：

1）在PyCharm中运行代码，在当前目录下会生成一个名为tensorboard-test的文件夹，里面包含了代码运行后的结果。

2）在终端输入tensorboard --logdir=tensorboard-test（或者tensorboard --logdir=tensorboard-test --port=6007），出现如下内容。

3）点击http://localhost:6006/，此时会跳转到浏览器中并打开tensorboard界面，出现所绘制的图形。

注意；如果修改了绘制图形的内容，则需重新运行一遍代码，然后在tensorboard界面中刷新内容，按钮位置如下：

本视频中展示了使用TensorBoard显示已有图像的过程。

代码如下（建议复制到PyCharm中阅读）：

transforms一个torchvision下的一个工具箱，用于格式转化，视觉处理工具，不用于文本。

按住ctrl，鼠标单击transforms，如图所示：

进入如下界面，再按住ctrl，鼠标单击transforms，如图所示：

进入transforms.py函数。

注意：在windows系统下，不能使用以下这样的路径，反斜杆（）会被当成转义符。

代码如下（建议复制到PyCharm中阅读）：

输出结果如下：

代码如下（建议复制到PyCharm中阅读）：

显示图片如下：

第12-22个视频、第23-33个视频的详细学习笔记链接如下：

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/pythonbc/59465.html