五、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()