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