torchvision中数据集的使用

一、pytorch官网学习

1.1 模块

• 处理语音
• 核心模块
• 处理文本
• 处理视觉图像的

1.2 torchvision

• tensorboard
• tochvision

就是来源于这里

1.2.1 dataset模块

1.2.2 io模块

1.3 提供常规的神经网络

---

二、【实验1】导入cifar数据集并输出部分信息

2.1 代码

import torchvision

# 使用torchvision自带的数据集
train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, download=True)

# 将下载好的测试集中的东西打印出来
print(test_set[0])
print(test_set.classes)

img, target = test_set[0]
print(img)
print(target)
print(test_set.classes[target])

img.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

2.2 结果

这里可以看到img，和target 的值是获取到了训练集中这个大类中对应的目标值

三、【实验2】使用循环将图片列表进行输出

tensor数据类型的话就可以使用tensorboard进行输出使用

如何使用writer进行输出？

数据集和transform结合在一起

3.1 代码

import torchvision

# 使用transforms转换数据集
from torch.utils.tensorboard import SummaryWriter

dataset_trans = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

# 使用torchvision自带的数据集
train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True, transform=dataset_trans, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=dataset_trans, download=True)

# # 将下载好的测试集中的东西打印出来
# print(test_set[0])
# print(test_set.classes)
#
# img, target = test_set[0]
# print(img)
# print(target)
# print(test_set.classes[target])
# img.show()

# 使用writer将获取到的图片进行输出
writer = SummaryWriter('p10')
for i in range(10):
    img, target = test_set[i]
    writer.add_image('test_set', img, i)

writer.close()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

D:\ANACONDA\envs\pytorch\python.exe C:/Users/Administrator/Desktop/Code/learn_pytorch/P14_dataset_transforms.py
Files already downloaded and verified
Files already downloaded and verified

Process finished with exit code 0

3.2 结果

来吧展示

四、如何下载标准的数据集

在官网中寻找自己想要的东西和答案

五、尽可能的进行实验

---