深度学习（四）——torchvision中数据集的使用

1. 参数详解

• torchvision中每个数据集的参数都是大同小异的，这里只介绍CIFAR10数据集

• 该数据集的数据格式为PIL格式

class torchvision.datasets.CIFAR10(root:str,train:bool=True,transform:Optional[Callable]=None,target_transform:Optional[Callable]=None,download:bool=False)

• 内置函数：

  • root(string)：必须设置，输入数据集下载后存放在电脑中的路径

  • train(bool)：_True_代表创建的一个训练集(train)；False代表创建一个测试集(test)。

  • transform：对数据集中的数据进行变换

  • target_transform：对标签(target)数据进行变换

  • download(bool)：_True_的时候会自动从网上下载这个数据集，_False_的时候则不会下载该数据集。

• 代码示例：

  • 运行后直接下载数据集

  • 需要注意的是，如果下载速度过慢，则可以在运行后，把弹出的网址单拎出来，放到迅雷等软件上进行下载

import torchvision

#设置训练集
#root:设置为相对路径，会在该.py文件下设置一个名为dataset的文件存放CIFAR10数据
#train: True,数据集为训练集
#download: 下载该数据集
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True)

#设置测试集;train=False
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

• 数据标签查看：

  • 在运行上面的代码下载好数据集后，输入print(test_set[0)，并使用一下pycharm的dubug功能，不难发现：

  • 

  • 也就是说，数据标签有’airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, 'truck’十类，分别用整数0~9来表示

  • 数据集包含的所有标签也可以用下面的代码打印出来：

print(test_set.classes)
#[Run] [airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

• 某条数据的PIL Image、标签的获取方法：img,target=test_set[索引]

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

#[Run]
#<PIL.Image.Image image mode=RGB size=32x32 at 0x1DDF9FCD640>
#3  cat

• 显示图片：

img.show()

一、使用transform处理多组图像数据

代码示例

• 首先使用\(Compose\)去定义如何处理PIL图像数据

• 然后代入\(torchvision.datasets.CIFAR10\)中，处理里面的图像数据

#首先用Compose处理图像数据，可以先转为tensor格式，然后再裁剪等，这里只转tensor格式
import torchvision
dataset_transform=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

#定义transform=dataset_transform，使得图像数据类型转换为Compose中处理过后的
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,transform=dataset_transform,download=True)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform,download=True)

• 对处理过后的图像进行可视化操作

from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("p10")
for i in range(10): #显示test_set数据集中的前十张图片
    img,target=test_set[i]
    writer.add_image("test_set",img,i)
writer.close()

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】