PyTorch（四）Torchvision 与 Transforms

---

Log

2022.11.28接着开启新的一章
2022.11.29继续学习

---

一、Torchvision

• 视频教程中 Torchvision v0.9.0文档
• Torchvision 官方文档
• Torchvision Datasets API 文档

1. CIFAR10

① 介绍

• CIFAR10数据集介绍
• 该数据集包括 60,000 张 32×32 像素的彩色图片，共有 10 个类别，每个类别有 6,000 张图像
• 50,000 张是训练图片，10,000 张是测试图片
• 图片示例如下：
  

② 使用

• 加载训练集和测试集：

import torchvision

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

• 其中的参数：
  • root：数据集的路径
  • train：如果为 True 则创建数据集，如果为 False 则创建测试集
  • download：为 True 则从网络上下载数据集到 root 路径下，如果该路径下已有数据集则不进行下载。
• 输出测试集中的第一个：

print(test_set[0])

• 得到：(<PIL.Image.Image image mode=RGB size=32x32 at 0x1F775353A30>, 3)。其中 3 代表的是该测试样例对应的映射到整数上的类别
• 查看对应的类别：

print(test_set.classes)
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

• 将测试样例的图片和标签分开输出：

img, target = test_set[0]
print(img)		#<PIL.Image.Image image mode=RGB size=32x32 at 0x21F1E533A60>
print(target)	#3

• 先查看图片：

img.show()

• 由于该数据集的图片是 32×32 像素的，所以不是很清晰：
  

• 再查看对应的类别的名称：

print(test_set.classes[target])	# cat

2. 与 Transforms 结合使用

• 在创建数据集的时候新增一个参数，用到上一章学到的内容将原始的 PIL 类型的图片转换成 ToTensor 类型的图片：

dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
train_set = torchvision.datasets.CIFAR10(root="../dataset/CIFAR10", train=True, transform=dataset_transform, download=True)
test_set = torchvision.datasets.CIFAR10(root="../dataset/CIFAR10", train=False, transform=dataset_transform, download=True)

• 之后就可以将 ToTensor 类型的图片显示到 tensorboard 中了：

writer = SummaryWriter("log-CIFAR10")
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set-CIFAR10", img, i)
writer.close()

---

总结

• 本文以 $\mathrm{C}\mathrm{I}\mathrm{F}\mathrm{R}10$ 为例介绍了 $\mathrm{T}\mathrm{o}\mathrm{r}\mathrm{c}\mathrm{h}\mathrm{v}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}$ 中数据集的使用方法，以及如何结合 $\mathrm{T}\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{s}\mathrm{f}\mathrm{o}\mathrm{r}\mathrm{m}\mathrm{s}$ 使用数据集。