Day6 torchvision中的数据集的使用（没啥总结的，主要复习）

参考资料：点击跳转

---

前言

torchvision独立于pytorch，专门用来处理图像，通常用于计算机视觉领域。

安装：pip install torchvision

torchvision最常用的三个包：

• models：提供了很多常用的训练好的网络模型，我们可以直接加载并使用，如Alexnet、ResNet等。
• datasets：提供了（1）一些常用的图片数据集，如MNIST、COCO等（2）加载自己的数据集的常用方法，目前只有DatasetFolder、ImageFolder、VisionDataset三个方法。
• transforms：提供了一些常用的图像转换处理操作，主要针对Tensor或PIL Image类型的数据进行操作。

---

完整代码

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
# 后面要对数据做一个预处理，做一次transform的变化，这里的意思是，先建立一个工具，在后面的dataset当中，加入这个工具，直接就可以做预处理了，本例是将原始数据转为tensor类型
# CIFAR数据集中的数据，类型是PIL，需要转为tensor，才能进行处理

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

print(test_set[0])
print(test_set.classes)

img, target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])
img.show()

print(test_set[0])
writer = SummaryWriter("p10")
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set", img, i)

writer.close()

回顾之前相关的内容：
自学深度学习pytorch——Day3 Tensorboard
Day4 Torchvision 中的Transforms（一）
Day5 Transforms（二）含运行结果展示