1、Pytorch环境的配置与安装。
（1）建议安装：Anaconda
（2）检查显卡：GPU
（3）管理环境（不同版本的pytorch 版本不同）：
conda create -n pytorch python=3.6（4）检测自己的电脑是否可以使用：
2、pytorch编辑器的选择
（1）pycharm （下载社区版）
（2）jupyter （可以交互）
启动本地的jupyter :
3、为什么torch.cuda.is_available()返回False
（1）检查自己的电脑是否支持GPU（可以用一些电脑管家，eg: 鲁大师等查看）
4、python学习中的两大法宝函数
（1）dir() 函数：打开、看见
（2）help()函数：说明书
# 例子：
torch.cuda.is_available()
5、Pycharm 及Jupyter的使用对比：
Jupyter：（以块为运行单位）
①shift + 回车
# 例子：
print("Start")
a = 'hello world'
b = 2019
c = a + b
print(c)（1）Pycharm文件
代码是以块为一个整体运行的话；
整改完后，从头开始执行。
python文件的块是所有行的代码。
（2）Pycharm控制台
整改完后，会从错误的地方执行。
以每一行为块，运行的。
（3）Jupyter：
整改完后，从错误的地方开始运行。
以任意行为块运行的。
6、Pytorch加载数据初认识+实战
Dataset：提供一种方式去获取数据及其label。
①如何获取每一个数据及其label。
②告诉我们总共有多少个数据。
Dataloader：为后面的网络提供不同的数据形式。
step01：下载数据集。
step02：使用数据集，代码如下：
文件夹目录：
from torch.utils.data import Dataset
from PIL import Image
import osclass MyData(Dataset):def __init__(self, root_dir, label_dir):# self.root_dir = 'pytorch_xiaotudui/bee_ant/dataset'# self.label_dir = 'ants'self.root_dir = root_dirself.label_dir = label_dirself.path = os.path.join(self.root_dir, self.label_dir) # 路径拼接self.img_path = os.listdir(self.path) # 获取到图片下的所有地址，以列表的形式展示def __getitem__(self, idx):img_name = self.img_path[idx]img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)img = Image.open(img_item_path)label = self.label_dirreturn img, labeldef __len__(self):return len(self.img_path)# 获取蚂蚁的数据集
root_dir_out = 'pytorch_xiaotudui/bee_ant/dataset'
ants_label_dir = 'ants'
ants_dataset = MyData(root_dir_out, ants_label_dir)# 获取蜜蜂的数据集
bees_label_dir = 'bees'
bees_dataset = MyData(root_dir_out, bees_label_dir)# 两个数据集的集合
train_dataset = ants_dataset + bees_dataset # 蚂蚁数据集在前，蜜蜂数据集在后运行结果：
