今天继续更新torchvision中的数据集使用。
# 引入torchvision模块，该模块里包含了常见的预处理函数、数据集、模型等import torchvision# 从torch.utils.tensorboard模块中引入SummaryWriter，用于将数据写入TensorBoardfrom torch.utils.tensorboard import SummaryWriter# 定义数据集的预处理操作，此处只进行了一项操作：将PIL格式的图像转为Tensor格式dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])# 加载CIFAR-10数据集的训练集和测试集，将数据集的预处理操作作为参数传入train_set = torchvision.datasets.CIFAR10("./dataset", train=True, transform=dataset_transform, download=True)test_set = torchvision.datasets.CIFAR10("./dataset", train=False, transform=dataset_transform, download=True)# 可以通过下面的代码打印出数据集中的某个样本的图像和标签信息# print(test_set[0])# print(test_set.classes)# img, target = train_set[0]# print(img)# print(target)# print(test_set.classes[target])# img.show()# 创建SummaryWriter对象，指定输出目录为"logs"，将数据写入TensorBoardwriter = SummaryWriter("logs")# 遍历测试集，将前10张图片以及它们的标签信息通过SummaryWriter写入TensorBoardfor i in range(10):img, target = test_set[i]writer.add_image("test_set", img, i)# 关闭SummaryWriter，将所有数据写入TensorBoardwriter.close()
在Pytorch Terminal中输入：tensorboard --logdir=logs，即可得图像
1474
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
