Pytorch 官方数据集的使用以及DataLoader(第五期)

pytorch 官方数据集的使用

1.官方数据集的查看

• 登录pytorch官网
• 找到Docs–>torchvision
• 点击左上角Search Docs 上面的小箭头切换版本
• 改为v0.9.0，然后就可以看到官方数据集了(如下)
• 

2.头文件:

import torchvision

3.主要使用的函数:

test_dataset2=torchvision.datasets.CIFAR10(root="./test_dataset2", train=False, transform=data_compose, download=True)

#函数:
#torchvision.datasets.官方数据集名(root, train, download)

#参数:
#root 为数据集本地存放的路径   
#train 该数据集是否是为训练集   
#download 是否将数据集下载到本地
#（若已下载到对应目录，函数就自动不再重复下载了）  
#transform 对数据集中的每一个图片进行相应的处理(可省略)

DataLoader

1. 作用:
   将指定的目标数据以及对应的label进行打包，并发送给后面的神经网络(为后面网络提供不同的数据形式),简单点来说，就是将指定的dataset按照指定的方式进行打包处理。
2. 使用:

引入头文件

 from torch.utils.data import DataLoader

主要使用的函数:

 test_dataloader=DataLoader(dataset=test_dataset2, batch_size=64, shuffle=True, num_workers=0, drop_last=False)

    #参数: 
    #dataset 要训练的数据集   
    #batch_size 每一次从数据集中取几份数据   
    #shuffle 每轮取完数据后是否打乱数据顺序，以便下次取
    # drop_last  数据取到最后不足batch_size份，是否丢弃

函数作用:

将数据集中的数据按指定格式打包即每一次从数据集中取几份数据 ，一个包中，所有图片放在一起，所有对应的target放在一起。
函数返回值为所有包的一个集合，若要调用每一个包，可用for循环来依次调用。

3.实例代码及结果:

import torchvision
    from torch.utils.data import DataLoader
    from torch.utils.tensorboard import SummaryWriter

    data_compose=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
    test_dataset2=torchvision.datasets.CIFAR10(root="./test_dataset2", train=False, transform=data_compose, download=True)
    #数据集的引入

    test_dataloader=DataLoader(dataset=test_dataset2, batch_size=64, shuffle=True, num_workers=0, drop_last=False)
    #对数据进行打包(每64份数据为一个包)


    writer= SummaryWriter(r"E:\python\pythonProject_pyTorch\dataLoader")
    step=0
    for data in test_dataloader:
        imgs, targets = data
        # print(imgs.shape)     #每次循环有batch_size张图片（图片包）
        # print(targets)        #图片依次对应的target（target包）

        writer.add_images("test_data", imgs, step)
        step=step+1

    writer.close()

代码中用的是pytorch官网数据集 CIFAR10