14 torchvision的数据集使用

一、pytorch官网

pytorch官网

1. 基本模块
   

2. torchvision

• 数据集

• 模型

数据集基本参数：

• transform和工具类
  

二、实验阶段

• 数据集的下载

如果通过代码下载不下来，可以自己下好（ctrl+对应数据集的名称，进入到数据集的方法里，找到对应链接），放到对应的目录下，再运行，或者用迅雷

下载链接：

• 解析数据集：

• 查看数据集：

#查看数据集
print(test_set[0])

相当于把分类对应成数字

debug之后可以看到所有的分类：

• 完整代码

import torchvision
from torch.utils.tensorboard import SummaryWriter

# 4.设置数据集transform
dataset_transform=torchvision.transforms.Compose({
    torchvision.transforms.ToTensor()
})
# 4.1 添加transform参数
train_set=torchvision.datasets.CIFAR10(root="./CIFAR10_dataset",transform=dataset_transform,train=True,download=True)
test_set=torchvision.datasets.CIFAR10(root="./CIFAR10_dataset",transform=dataset_transform,train=False,download=True)

# # 1. 查看数据集
# print(test_set[0])
# # 2. 输出所有的类别
# print(test_set.classes)
#
# # 3. 分别输出图片信息和类别
# img,target=test_set[0]
# print(img)
# print(target)#数字版的类别
# print(test_set.classes[target])#文字版的类别
# img.show()#输出图片

# 4.2 输出图片，用tensorboard,需要注释1,2,3
writer=SummaryWriter("logs14")
for i in range(10):
    img,target=test_set[i]
    writer.add_image("test_set",img,i)

writer.close()

运行结果：