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