Pytorch——torchvision.datasets
torchvision 是PyTorch中专门用来处理图像的库，这个包中有四个大类。
- torchvision.datasets
- torchvision.models
- torchvision.transforms
- torchvision.utils
torchvision.datasets 是用来进行数据加载的，PyTorch团队在这个包中提前处理好了很多很多图片数据集。
- MNIST
- COCO（用于图像标注和目标检测）(Captioning and Detection)
- LSUN Classification
- ImageFolder
- Imagenet-12
- CIFAR10 and CIFAR100
- STL10
以CIFAR10数据集为例：
import torchvision代码样式
dset.CIFAR10(root, train=True, transform=None, target_transform=None, download=False)参数说明
- root： 将该数据集存于哪个文件
- train：导入数据集类别（True = 训练集, False = 测试集）
-transform：默认是将数据导入为PIL格式，可以调用transform对图片进行处理
- download : True = 从互联上下载数据，并将其放在root目录下
如果数据集已经下载，什么都不干。
代码示例
train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, transform=dataset_t, download=True)
test_set = torchvision.datasets.CIFAR10(root="./dataset", train=False, download=True)代码说明
root="./dataset"：这里使用的是相对路径
dataset_t：对图片进行处理，需要提前定义
dataset_t = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
训练集将数据转换为了tensor格式，测试集未作改动，但平时使用的2个操作要保持一致，这里只是为了展示。
对前10张图片用进行展示
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
for i in range(10):
img, label = train_set[i]
writer.add_image("train_img", img, i)
writer.close()使用torchboard查看
打开Terminal,输入
tensorboard --logdir=logs结果
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.7.0 at http://localhost:6006/ (Press CTRL+C to quit)点击链接
数据集像素特别低