torchvision.datasets 的使用(附代码)

一.torchvision.datasets是什么?作用?

很明显,datasets是torchvision工具集中的一个工具

初步理解其是调用官方数据集的一种方式,其中存在很多已经开源的数据集,供我们学习使用.

二.使用方法

已知CIFAR10是datasets可以调用的关于图像的数据集.我们可以尝试使用,并利用tensorboard进行可视化

  • 第一步:

    引用torchvision模块,和tensorboardX

    import torchvision
    from tensorboardX import SummaryWriter
    
  • 第二步:

    获取数据集的数据

    test_data = torchvision.datasets.CIFAR10(
        root='../BigData',
        transform=torchvision.transforms.ToTensor(),
        train=False,
        download=True
    )
    
  • 第三步:

    在tensorboard中展示,由于该数据集的图像像素为32*32,所以比较模糊.

    writer = SummaryWriter('LOGS/008log')
    for i in range(10):
        img, target = test_data[i]
        writer.add_image('test_set', img, i)
    
    writer.close()
    

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torchvision.datasets.MNIST是PyTorch框架中提供的一个内置数据集,用于手写数字识别任务。使用方法如下: 1. 导入需要的库和模块 ```python import torch import torchvision import torchvision.transforms as transforms ``` 2. 定义数据预处理方法 MNIST数据集需要进行预处理才能使用,通常需要进行灰度化、归一化等操作。可以使用transforms模块中的Compose函数来定义预处理操作。 ```python transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]) ``` 上述代码中,将图像转换为张量,并对图像进行归一化处理。 3. 加载数据集 使用torchvision.datasets.MNIST函数可以加载MNIST数据集。可以使用train参数指定是否加载训练集,使用transform参数指定数据预处理方法。 ```python trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2) testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2) ``` 上述代码中,将训练集和测试集加载到trainloader和testloader中。 4. 使用数据集 可以使用for循环遍历数据集,也可以使用iter函数将数据集转换为迭代器,然后使用next函数获取一个batch的数据。 ```python # 遍历数据集 for data, label in trainloader: # 进行模型训练 # 使用迭代器获取一个batch的数据 dataiter = iter(trainloader) images, labels = dataiter.next() ``` 上述代码中,data表示图像数据,label表示对应的标签。 使用上述方法,就可以使用torchvision.datasets.MNIST数据集进行手写数字识别任务了。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值