PyTorch入门教学——torchvision中数据集的使用

1、torchvision.datasets

• datasets是torchvision工具集中的一个工具。
• 可以理解为调用官方数据集的一种方式，其中有很多开源的数据集，可供我们学习使用。
• datasets官网：Datasets — Torchvision 0.16 documentation (pytorch.org)
•  

2、使用

• 这里以使用CIFAR10中的数据为例。
• 
• 其中有这个数据集的使用方法和具体介绍。
• 
• 参数：（每个数据集的参数大致相同）
  • root：数据集下载后存放的目录。
  • train：如果为True，则从训练集创建数据集，否则从测试集创建。
  • transform：接收PIL图像的转换方式，并返回转换后的版本。
  • download：如果为True，则从互联网下载数据集，然后将其放在设置的目录中。如果数据集已下载，则不会再次下载。
• 代码演示——查看数据集中图片的信息

  • import torchvision
    
    train_set = torchvision.datasets.CIFAR10(root="./Dataset/CIFAR10", train=True, download=True)  # root：数据集要存放在什么位置
    test_set = torchvision.datasets.CIFAR10(root="./Dataset/CIFAR10", train=False, download=True)
    
    print(test_set[0])  # 第一张图片的信息，包含格式和标签
    print(test_set.classes)  # 数据集中所包含的图片类别
    
    img, target = test_set[0]
    print(img)
    print(target)  # 标签
    print(test_set.classes[target])  # 第一张图片的标签为猫
    img.show()  # 显示图片

  • 
  • 
• 代码演示——将数据集中的前10张图片在tensorboard中展示出来。

  • import torchvision
    from torch.utils.tensorboard import SummaryWriter
    
    test_set = torchvision.datasets.CIFAR10(
        root="./Dataset/CIFAR10",
        transform=torchvision.transforms.ToTensor(),  # 将图片转换为totensor数据类型
        train=False,
        download=True)
    
    writer = SummaryWriter('logs')  # writer把summary内容写在哪个目录下
    for i in range(10):
        img, target = test_set[i]
        writer.add_image('test_set', img, i)
    
    writer.close()

  • 
  • 运行程序后，打开终端，输入下列命令打开tensorboard。

  • tensorboard --logdir=logs --port=6007

  • 
  • （该数据集的图片像素为32*32，所以比较模糊）