小土堆-pytorch-torchvision中的数据集使用01_笔记

一.dataset最基本使用

import torchvision

#从这开始 dataset最基本使用
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True)  # ROOT 保存位置
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

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

img,target=test_set[0]  # test_set 由2部分组成
print(img)
print(target)
print(test_set.classes[target]) # 展示类别
img.show()                      # 展示图片 图片是32*32像素
#从这结束,现在我们要把PIL类型转换为tensor了

 运行结果图片

 二.与transform联合使用

import torchvision
from torch.utils.tensorboard import SummaryWriter

data_transform =torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()                           # 转换为Tensor类型
])
# 在训练集和测试集的生成中加入transform
#从这开始 dataset最基本使用
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,transform=data_transform,download=True)  # ROOT 保存位置
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=data_transform,download=True)

# print(test_set[0])
# print(test_set.classes)
#
# img,target=test_set[0]  # test_set 由2部分组成
# print(img)
# print(target)
# print(test_set.classes[target]) # 展示类别
# img.show()                      # 展示图片 图片是32*32像素
#从这结束,现在我们要把PIL类型转换为tensor了

#print(test_set[0])  # 输出了tensor数据类型
writer=SummaryWriter("p10")         # 之前的tensorboard 弹出灯泡 导入包
for i in range(10):                 # 展示前10张图片
    img,target=test_set[i]
    writer.add_image("test_set",img,i) # (名称,tensor类型的图片,i代表第i张图片)

writer.close()     # 读取关闭

三.tensorboard终端控制

正常情况:

在终端下输入

tensorboard --logdir="p10" 

非正常情况:报错

 解决办法:改路径  找到当前日志文件夹 复制绝对路径 tensorboard --logdir "logs所在目录\logs"
如 tensorboard --logdir "E:\pycharm\Py_Projects\logs\p10"

 四.迅雷下载数据集

如果下载很慢可以采用迅雷下载的方式 创建同名文件夹 然后把迅雷下载好的文件 复制粘贴上去