小土堆-pytorch学习-P14-torchvision-数据集使用

• 如何把transform和数据集结合在一起？
• 数据集如何下载、如何使用

在该链接中，进行数据集的下载。

比如要下载CIFAR10数据集，网页中有详细的参数说明以及调用方式。

• root (string) – Root directory of dataset where directory cifar-10-batches-py exists or will be saved to if download is set to True.

  决定数据集下载在哪里-路径

• train (bool, optional) – If True, creates dataset from training set, otherwise creates from test set.

  设置为True，则下载训练集，设置为False，下载测试集

• transform (callable, optional) – A function/transform that takes in an PIL image and returns a transformed version. E.g, transforms.RandomCrop

  是否将PIL数据类型转换为transform数据类型比如随即裁剪等

• target_transform (callable, optional) – A function/transform that takes in the target and transforms it.

  对target进行数据变换

• download (bool, optional) – If true, downloads the dataset from the internet and puts it in root directory. If dataset is already downloaded, it is not downloaded again.

  是否联网下载

下载若慢，在控制台或源码中找到下载链接，用迅雷下载。

可以使用索引来看数据是什么。也可以通过控制台，了解数据集中的属性，从而使用print进行查看。

train_set = torchvision.datasets.CIFAR10(root = "./dataset",train=True , download=True)
test_set = torchvision.datasets.CIFAR10(root = "./dataset", train=False , download=True)

print(f"test_set = {test_set}")
print(F"test_set[0] = {test_set[0]}")
print(f"test_set.classes = {test_set.classes}")

可以看到运行结果，测试集一共有10个类别。

img,target = test_set[0]
print(f"img = {img}")#可以看到PIL 类型
print(F"target = {target}")#目标分类是3
print(f"test_set.classes[target]")#
img.show()
print(test_set[0])

运行结果👇

要在pytorch中继续使用，需要转换为tensor数据类型。过程如下

dataset_tensor = torchvision.transforms.Compose([
	torchvision.transforms.ToTensor()
	#还可以加torchvision.transforms.RandomCrop(512)
])
#接着在数据集中指定
train_set = torchvision.datasets.CIFAR10(root="./dataset",train=True,transform = dataset_tensor , download=True)
#查看
print(test_set[0])
writer = SummaryWriter("tb_blogs")
for i in range(10):
	img , target = test_set[i]
	writer.add_image("test_set", img,i)
writer.close()
#之后打开tensorboard查看