Torchvison数据集dataset和dataloader使用

Torchvison-dataset的使用

这里介绍的时是Torchvision中关于数据库Dataset的一些使用方法。
首先我们可以在Pytorch观望中看到Torchvision中的很多数据集：

以CIFAR为例，点进去后可以了解到更多关于该数据集的一些信息：

在这里介绍了调用该数据库时的一些参数的设置及其功能。

Dataset的使用：

首先，我们需要导入torchvision库，为后面调用数据库提供库，同时导入SummaryWriter库，使用tersorboard可视化过程：

import  torchvision
from torch.utils.tensorboard import SummaryWriter

我们定义train_set用于调用CIFAR10数据集：
torchvision.datasets.CIFAR10()

train_set = torchvision.datasets.CIFAR10(root='./dataset_learn',train=True,transform=dataset_transform,download=True)

①root=’'为该数据集保存的目录位置
②train为True代表该数据集用于训练，否则用于测试集
③transform为用于使用的将PIL图像数据转化为tensor类型的函数操作，可以自己定义操作内容（可以参照官方文档：transform (callable, optional) – A function/transform that takes in an PIL image and returns a transformed version. E.g, transforms.RandomCrop）
④download为True代表如果该数据集不存在的话，自动下载;数据集存在的话不下载

用一个for循环将数据集中的前10个样本展示在tersorboard上：

writer = SummaryWriter("p10")
for i in range(10):
    img,target=train_set[i]
    writer.add_image('dataset',img,i)

tensorboard上展示结果为：

完整实现代码：