import torchvision
# 加载数据集
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter
# 官方数据集,若加载自己的数据,其实没什么区别,需要自己转换一下tensor格式,因为官方直接一个参数就转换了
# 参数:下载保存路径、train=训练集(True)或者测试集(False)、download=在线(True) 或者 本地(False)、数据类型转换
test_data = torchvision.datasets.CIFAR10("./dataset",
train=False,
download=True,
transform=torchvision.transforms.ToTensor())
# 格式打包
# 参数:数据、1组几个、下一轮轮是否打乱、进程个数、最后一组是否凑成一组
test_loader = DataLoader(dataset=test_data, batch_size=4, shuffle=True, num_workers=0, drop_last=True)
# 绘图 使用方法:
# 在命令行对应环境下,注意名字需要对应,另一个是指定端口(可不写)
# tensorboard --logdir=logs --port=6007
writer = SummaryWriter("logs")
# 训练2轮
for epoch in range(2):
srep = 0
for data in test_loader:
imgs, targets = data
#名字,x轴,y轴
writer.add_images("Epoch:{}".format(epoch), imgs, srep)
srep += 1
writer.close()
pytorch框架--数据方面--pytorch自带
于 2021-11-23 00:30:57 首次发布