数据集的下载、组织
进入Pytorch官网
- torchaudio处理语音
- torchtext处理文本
- torchviison处理视觉
torchvision dataset的使用
以CIFAR10
数据集为例
- root:数据集的根目录
- train:bool类型,True为训练集,False为测试集
- transform:对图像的一些transform变换操作
- target_transform:接收并转换目标的函数/转换
- download:为True时可以自动下载数据集,避免自己搜索下载数据集的麻烦
import torchvision
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
train_dataset = torchvision.datasets.CIFAR10(root='./datasets', train=True, download=True)
test_dataset = torchvision.datasets.CIFAR10(root='./datasets', train=False, download=True)
加入ssl库是因为urllib发送请求报错
urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: certificate has expired (_ssl.c:1131)>
下载成功
一个是压缩文件一个是解压文件
输出数据集的类型、元素组成和类
print(type(train_dataset))
print(train_dataset[0])
print(train_dataset.classes)
“”“
<class 'torchvision.datasets.cifar.CIFAR10'>
(<PIL.Image.Image image mode=RGB size=32x32 at 0x226C2A995E0>, 6)
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
“”“
可以看出数据集的元素组成分别为一张图片和target
其中数字6为target,所对应的类为一个label即frog青蛙
img, target = train_dataset[0]
print(train_dataset.classes[target])
img.show()
“”“
frog
“”“
CIFAR10数据集一共有60000张32x32的图像,其中每一类有6000张,数据集分为五个训练批次和一个测试批次,每个批次有 10000 张图像。测试批次恰好包含来自每个类别的 1000 个随机选择的图像。
将PIL图像类型转换为Tensor类型
import torchvision
import ssl
dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
ssl._create_default_https_context = ssl._create_unverified_context
train_dataset = torchvision.datasets.CIFAR10(root='./datasets', train=True, transform=dataset_transform,download=True)
test_dataset = torchvision.datasets.CIFAR10(root='./datasets', train=False, transform=dataset_transform, download=True)
print(type(train_dataset[0][0]) # <class 'torch.Tensor'>
上传到tensorboard中
from tensorboardX import SummaryWriter
writer = SummaryWriter("cifar")
for i in range(10):
img, target = train_dataset[i]
writer.add_image("test_img", img, i)