将dataset与transforms、tensorboard进行结合
明确transforms的常用类的使用方法后,可以进一步将dataset与transforms进行结合,逐步向实战方向进行
引入要用的模块
import torchvision
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('log')
设置要对dataset中图片进行的操作
这里只compose了ToTensor方法,在使用过程中可以根据需要继续进行叠加
dataset_transfrom = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
设置训练集和测试集
使用到了torchvision中的dataset,可以在pytorch官网中查看针对音频、文字、图片的各类数据集
这里使用的是torchvision中的CIFAR10数据集,将前10张图片在tensorboard中进行展示。
train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True, transform=dataset_transfrom, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=dataset_transfrom, download=True)
writer = SummaryWriter('log')
for i in range(10):
img, target = test_set[i]
writer.add_image('testset', img, i)
writer.close()
查看绘制的图像
在conda的pytorch环境中执行 tensorboard --logdir=log --port=6007
点击本地连接,即可查看,不再一一进行展示
完整代码
'''
因为处理图片的过程中肯定不是一张一张处理,所以本节主要进行dataset和transfrom的结合使用
'''
import torchvision
from torch.utils.tensorboard import SummaryWriter
dataset_transfrom = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True, transform=dataset_transfrom, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=dataset_transfrom, download=True)
writer = SummaryWriter('log')
for i in range(10):
img, target = test_set[i]
writer.add_image('testset', img, i)
writer.close()