torchvision中的数据集使用

在pytorch官网我们在torchvision中可以看到datasets含有很多数据集，用来生成图片,视频数据集,和一些流行的模型类和预训练模型.

参数：

root (string) –  存在 mnist/processed/training.pt 和 mnist/processed/test.pt 的数据集根目录。
train (bool, optional) – 如果为True，从 training.pt 创建数据，否则从 test.pt 创建数据。
download (bool, optional) – 如果为true，则从 Internet 下载数据集并将其放在根目录中。 如果已下载数据集，则不会再次下载。
transform (callable, optional) –  一个函数/转换，它接收PIL图像并返回转换后的版本。 例如，transforms.RandomCrop
target_transform (callable, optional) – 接收目标并对其进行转换的函数/转换。

我们以CIFAR10这个数据集1为例：
提取10个图片到tensorboard

import torchvision.datasets
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
img_tensor=transforms.ToTensor()
train_set=torchvision.datasets.CIFAR10("/.dataset2",train=True,transform=img_tensor,download=True)
test_set=torchvision.datasets.CIFAR10("/.dataset2",train=False,transform=img_tensor,download=True)
writer=SummaryWriter("logs")
for i in range(10):
    img,target=train_set[i]
    writer.add_image("Training",img,i)
writer.close()

等