pytorch（二）

目录

四、torchvision

1.Transforms

①定义

②常见用法​编辑

 2.torchvision数据集的使用

①定义

②用法

五、dataloader

1.定义

2.用法

---

四、torchvision

1.Transforms

①定义

    transforms是对图像、文本等其他数据进行各种变换，也就是对数据进行预处理，以准备数据供深度学习模型使用的工具

②常见用法

 2.torchvision数据集的使用

①定义

     torchvision包是专门的视觉库，包含了预训练的一些CV神经网络模型；是服务于pytorch深度学习框架的,用来生成图片,视频数据集,和一些流行的模型类和预训练模型。

②用法

代码如下：

import torchvision
from torch.utils.tensorboard import SummaryWriter

#用transforms将PIL_image图片转为Tensor数据类型以供pytorch使用
dataset_transform=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
##./表示当前目录，root是创建一个文件       train表示是训练集还是测试集        download表示是否从网上自动下载数据集
##transform表示将数据转化为别的数据类型
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)

# 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])  已经转化为了Tensor数据类型

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

 运行结果：

五、dataloader

1.定义

    dataloader是一个加载器，把数据加载到神经网络中，是对数据集的一种抓取方式，能够将数据进行乱序，还可以节省空间。

2.用法

 使用代码如下：

import torchvision
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

#准备的数据集
test_data=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=torchvision.transforms.ToTensor())

#batch_size=4表示每次从test_data中取四个数据集进行打包
#shuffle=True时epoch；两轮选的数据不一样
#drop_last   取出最后多余的图像
test_loader=DataLoader(dataset=test_data,batch_size=64,shuffle=True,num_workers=0,drop_last=True)

#测试数据集中第一张图片及target
img,target=test_data[0]
# print(img.shape)
# print(target)

writer=SummaryWriter("p12")
for epoch in range(2):
    step=0
    for data in test_loader:
        imgs,targets=data
        #print(imgs.shape)
        #print(targets)
        writer.add_images("Epoch:{}".format(epoch), imgs, step)
        step=step+1
writer.close()

运行结果：

    如下图，同样在step155，两组图片却不一样了，便是用dataloader进行了乱序抽取处理。