Pytorch学习笔记（二）

一、Torchvision数据集

数据集可以在Pytorch官网上下载

1、torchvision.datasets

参数：
root(数据集存放在什么位置)
train(数据集是训练集还是测试集，输入为bool类型）
transform(对数据集当中的所有数据进行什么样的变换 )
target_transform
download(是否在网上下载数据集，输入为bool类型，如果数据集下载慢可以使用迅雷下载，下载链接可以打开数据集的官方文档进行查看，下载后将数据集放在dataset里面，此时download仍然为True以便对数据集进行检验以及解压)

train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)  #在当前目录下创建一个dataset的文件夹，将下载的训练集放在文件夹中
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)  #下载测试集放在dataset文件夹中

将数据集进行transform

dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])  #后面可以根据需要添加其他的transform

train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True，transform=dataset_transform,  download=False)  #对一整个训练集进行transform
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False，transform=dataset_transform, download=False)  #列表中已经下载过数据集就不需要下载了

#用SummaryWriter可视化
writer = SummaryWriter("p10")
for i in range(10):
	img, target = test_set[i]
	writer.add_image("test_set", img, i)

writer.close()

二、DataLoader

之前只是简单介绍了一下dataloader并没有说明怎么使用dataloader，这里介绍一下他的用法

#准备测试集
test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())  #返回值为img，target

test_loader = Dataloader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=False)  
#将dataset中的图片4个为一组进行打包，打包时将img，target分别打包，shuffle参数为是每轮打包数据的时候是否重新打乱顺序，drop_last参数是按batch_size一组一组打包后，剩余的数据是否drop

writer = SummaryWriter("dataloader")
step = 0
for data in test_loader:
	imgs, target = data
	writer.add_images("test_data", imgs, step)
	step = step + 1
writer.close()

---

结束

到这儿基础的数据集的加载就结束了，所以这一节比较短，从下节开始学习神将网络的搭建！