【PyTorch教程】P14 torchvision中的数据集的使用

原创已于 2023-07-18 10:01:14 修改 · 3.8k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #图像处理 #深度学习 #pytorch

于 2022-03-08 21:34:00 首次发布

Python/Pycharm 同时被 3 个专栏收录

92 篇文章

订阅专栏

深度学习/PyTorch

71 篇文章

订阅专栏

图像处理

56 篇文章

订阅专栏

本文介绍了如何在P14 torchvision教程中使用CIFAR10数据集，并演示了如何应用ToTensor转换预处理数据，以及如何使用Tensorboard展示数据。详细讲解了从PIL到tensor类型的转换过程和数据集下载管理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

P14 torchvision中的数据集的使用

P14 torchvision中的数据集的使用
这个数据集，就在torchvision.dataset.CIFAR10…这个母子文件中
数据类型的预处理，可以建立一个工具，再放进dataset当中：（第12行是工具，16行中，引用了这个工具），将原来的PIL（CIFAR10默认类型）转为了tensor类型：
数据集当中，有的会加入下载地址，在线下载太慢的话，可以找一找，用别的方法下载。

可以运行的结果

# ！usr/bin/env python3
# -*- coding:utf-8 -*-

"""
author :24nemo
 date  :2021年07月07日
"""

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
# 后面要对数据做一个预处理，做一次transform的变化，这里的意思是，先建立一个工具，在后面的dataset当中，加入这个工具，直接就可以做预处理了，本例是将原始数据转为tensor类型
# CIFAR数据集中的数据，类型是PIL，需要转为tensor，才能进行处理

train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform, download=True)
# train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_transform, download=False)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, transform=dataset_transform, download=True)
# test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, transform=dataset_transform, download=False)

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

img, target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])
img.show()

print(test_set[0])
writer = SummaryWriter("p10")
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set", img, i)

writer.close()