pytorch学习笔记4-torchvision中数据集的使用

最新推荐文章于 2024-09-05 20:34:00 发布

原创最新推荐文章于 2024-09-05 20:34:00 发布 · 286 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习

PyTorch深度学习快速入门教程学习笔记专栏收录该内容

15 篇文章

订阅专栏

本文介绍了如何在PyTorch中使用torchvision模块加载和预处理CIFAR10数据集，包括下载、查看数据集结构、应用transform转换为tensor，并利用tensorboard进行可视化。

部署运行你感兴趣的模型镜像

在pytorch官网的torchvision中可以看到提供的数据集以及详细的说明，现成的数据集使用起来也很方便。

以CIFAR10为例，点开可以看到CIFAR10的参数和返回值的相关介绍：

import torchvision

# 参数train为TRUE则返回训练集，为FALSE则返回测试集，download设置为TRUE则自动从网上下载
train_set = torchvision.datasets.CIFAR10(root="./P14_dataset", train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root="./P14_dataset", train=False, download=True)
'''等待下载数据集'''

可以用debug查看数据集的组成：

可看出有classes的属性等等。

print(test_set[0])    # 测试集第一个由什么组成
print(test_set.classes)    # 查看属性

img, target = test_set[0]    # 测试集每一个由图片和索引组成，提取第一个
print(img, "\n", target)
print(test_set.classes[target])    # 查看第一个的属性，为cat
img.show()    # 用电脑自带的应用查看图片

注意img.show()查看的是PIL类的图片

与transform结合，把图片转换为tensor类型并用tensorboard查看：

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
train_set = torchvision.datasets.CIFAR10(root="./P14_dataset", train=True, transform=dataset_transform, download=True)
test_set = torchvision.datasets.CIFAR10(root="./P14_dataset", train=False, transform=dataset_transform, download=True)

# print(test_set[0])
# print(test_set.classes)

# img, target = test_set[0]
# print(img, "\n", target)
# print(test_set.classes[target])
# img.show()

writer = SummaryWriter("P14")
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set", img, i)

writer.close()

终端输入下面的命令打开tensorboard：