PyTorch快速入门教程【小土堆】-Torchvision中数据集的使用

1.torchvision介绍

torchvision是pytorch的一个图形库，主要用来构建计算机视觉模型。以下是torchvision的构成：

torchvision.datasets: 一些加载数据的函数及常用的数据集接口；
torchvision.models: 包含常用的模型结构（含预训练模型），提供了已经训练好的模型，让我们可以加载之后，直接使用，例如AlexNet、VGG、ResNet等；
torchvision.transforms: 常用的图片变换，例如裁剪、旋转等；
torchvision.utils: 其他的一些有用的方法。

2.torchvision.datasets

（1）数据集

torchvision数据集https://pytorch.org/vision/stable/datasets.html

CIFAR10数据集：https://pytorch.org/vision/stable/generated/torchvision.datasets.CIFAR10.html#torchvision.datasets.CIFAR10

 CIFAR10数据集参数

 

CIFAR10数据集介绍：https://www.cs.toronto.edu/~kriz/cifar.html

       CIFAR-10数据集含有60000张32*32的彩色图片，图片共分为10个类别，每个类别6000张图片 50000张训练图片，10000张测试图片

每个数据集的参数不同，内容也不同

查找数据集下载路径：

 

 

（2）使用

 

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
#使用torchvision的数据集CIFAR10作为训练集和测试集下载到dataset里,并对数据集中的所有数据利用dataset_transform做totensor变换，将图片转为tensor类型
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,transform=dataset_transform,download=True)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform,download=True)
#数据集介绍
#The CIFAR-10 dataset consists of 60000 32x32 colour images in 10 classes, with 6000 images per class. There are 50000 training images and 10000 test images.
#CIFAR-10数据集含有60000张32*32的彩色图片，图片共分为10个类别，每个类别6000张图片
#50000张训练图片，10000张测试图片
# print(test_set[0])
# print(test_set.classes)#每个类别对应一个编号
# # ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
# img,target=test_set[0]
# print(img)
# print(target)#输出3，对应于cat
# print(test_set.classes[target])
# img.show()
#tensorboard中显示
writer=SummaryWriter("p10")
for i in range(10):
    img,target=test_set[i]
    writer.add_image("test_set",img,i)
writer.close()