torchvision中的数据集使用，以CIFAR10为例

课程链接: https://www.bilibili.com/video/BV1hE411t7RN?p=14&vd_source=a16915472897bc5c811d5ff185570c98

课堂笔记

• 使用CIFAR10数据集，以单个图片为例

先下载数据集

import torchvision

train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)
print(test_set[0])

输出：

(<PIL.Image.Image image mode=RGB size=32x32 at 0x1B339186100>, 3)

在print(test_set[0])处打一个断点，点击debug

可以看到test_set下面有个classes

把属性classes打印出来：

print(test_set.classes)  #打印完整的classes列表
print(test_set.classes[1])  #打印第2个class

输出结果：

['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

automobile

把test_set[0]的img和target赋给变量img和target

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

输出的是：

<PIL.Image.Image image mode=RGB size=32x32 at 0x1E7139E7160>

3

在classes列表中找第3+1个，可知这张照片是cat

打印一下看看

print(test_set.classes[target])

输出：

cat

• 使用CIFAR10数据集，与transforms联动，以ToTensor为例，多图

import torchvision

# 与transforms联动
# 批量处理训练集和测试集，把原本的PIL image转换成Tensor image
# 以适应后续深度学习中的函数对图片类型的要求
dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])  # 创建一个名为dataset_transform的工具，功能是把PIL image转换成Tensor image
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)
# 上两行中的transform=dataset_transform是使用工具dataset_transform
# 把训练集和测试集中的PIL image转换成Tensor image

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("p14")
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set", img, i)

writer.close()

Terminal中运行tensorboard --logdir="p14"打开tensorboard

可以看到一共10步，拖动滑块一次展示10个图片