torchvision中数据集的使用

        torchvison是专门用于计算机视觉的一个模块，在torchvision.datasets模块中内置了非常多现成的数据集，如下图所示：

以下操作以一个较小的数据集——CIFAR-10数据集为例

---

CIFAR-10：

        CIFAR-10 数据集由 10 类共 60000 张 32x32的 彩色图像组成，每类 6000 张图像。有 50000 张训练图像和 10000 张测试图像。

---

 数据集的下载与读取

数据集的读取：

其中target为标签，指出其对应的图片的是什么

我们需要给出数据集存放位置（root），是否为训练集（train），以及对图片或标签做transform处理，以及是否自动下载数据集。使用读取数据集时会以元组的形式返回image和它的target

实例：

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

  数据集的下载：

1. 方式一：在读取的时候选择download=True,若root指定的位置无数据集，数据集会自动开始下载，但速度较慢，不推荐这种做法
2. 方式二：在官网手动进行下载，并放到root指定的位置。按住ctrl键进入数据集的源码，可以找到官网的url

        选择对应的版本下载即可。然后运行，python会自动解压缩。

        3. 方式三：复制完url后打开迅雷下载，可以看到速度会比较快一些

关于数据集：

         读取测试集第一个数据看看

img, target = test[0]
print(img)
print(target)
print(test.classes) # 查看target列表
print(test.classes[target])

 图片格式为PIL（此处删去了读取数据集时的transform参数，但一般都要转化为tensor）还附带一个target，其中target直接使用target列表的索引直接代替了其对应的标签

 使用for循环读取数据集：

writer = SummaryWriter("logs")
for i in range(10):
    img, target = test[i]
    writer.add_image("test", img, i)
writer.close()