Pytorch学习日记01-数据集的展示与transform结合

CIFAR10 数据DataSet的使用

主要是对Pytorch官方提供的几个数据进行下载和简单显示。并利用transform等方法去稍作改变。操作学习内容如下。

import torchvision
from torch.utils.tensorboard import SummaryWriter

"""
    了解pytorch官方给提供的一些数据集 
    1、使用torchvison下载一部分数据集 
    	函数中的参数解读为：root即指定数据集位置，train 表示选择训练集下载还是测试集下载 ,第三个参数是否进行变换
    2、CIFAR10数据集本身的数据为PIL类型图片  使用transforms使其转成Tensor
    
        
"""
# 设置数据集集体变换工具
trans_type_tool = torchvision.transforms.ToTensor()
dataset_transform = torchvision.transforms.Compose([trans_type_tool])
# 进行下载并数据划分
train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=trans_type_tool, download=False)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, transform=trans_type_tool, download=False)
#
# print(test_set[0])
writer = SummaryWriter("p10")
for i in range(10):
#    每一个数据都是两部分组成，一个图片一个是标签的索引。
#    标签的索引可以通过print(test_set.classes[target])来查看所属类别
    img, target = test_set[i]
    writer.add_image("DataTensor", img, i)

writer.close()# 必须记得关闭