代码实战（小土堆）——torchvision中的数据集使用

qq_42022648

已于 2024-01-29 17:46:42 修改

阅读量361

点赞数 9

分类专栏：小土堆代码实战文章标签：人工智能机器学习学习

于 2024-01-29 11:33:22 首次发布

本文链接：https://blog.csdn.net/qq_42022648/article/details/135907713

版权

小土堆代码实战专栏收录该内容

22 篇文章 1 订阅

订阅专栏

本文介绍了如何在PyTorch中使用CIFAR10数据集，包括直接加载、图像转换为Tensor以及使用TensorBoard进行可视化。首先展示了如何下载并查看数据集中的图像，然后演示了如何应用`torchvision.transforms.Compose`对图片进行预处理。

摘要由CSDN通过智能技术生成

加载数据、print

CIFAR10是torchvision自带的数据集。

import torchvision

#root:数据集存放的位置，train默认是True(True下载训练集，False下载测试集)，download:从网上自动下载
tarin_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)

# 第一张img
print(test_set[0])
# 种类
print(test_set.classes)

img, target = test_set[0]
print(img)
# 对应的是猫
print(target)
print(test_set.classes[target])

img.show()

和transforms联动

原始图片是PIL.Image，需要转成tensor类型。

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
# transform=dataset_transform：把ToTensor应用到数据集的每一张图片
tarin_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])

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

writer.close()