pytorch学习笔记-数据集的使用

主要内容：如何把数据集和transform结合在一起，以及一些标准数据集如何下载、查看使用等

1.pytorch官网的datasets，只要写代码的时候指定数据集、设定参数，就能自己下载。例如COCO数据集用于目标检测、语义分割。

以下以CIFAR10为例：

import torchvision
train_set=torchvision.datasets.CIFAR10(root='./datasets',train=True,download=True)
text_set=torchvision.datasets.CIFAR10(root='./datasets',train=False,download=True)

然后点击运行下载数据集（3对应猫）

#查看测试集中的第一个，
#输出(, 3)
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

3
print(text_set[0])
print(text_set.classes)
img,target=text_set[0]
print(img)
print(target)

下一步将transform和标准数据集结合起来使用

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
train_set=torchvision.datasets.CIFAR10(root='./datasets',train=True,transform=dataset_transform,download=True)
text_set=torchvision.datasets.CIFAR10(root='./datasets',train=False,transform=dataset_transform,download=True)
#查看测试集中的第一个
#print(text_set[0])
#print(text_set.classes)
#img,target=text_set[0]
#print(img)
#print(target)
#print(text_set[0])
writer=SummaryWriter('p10')
for i in range(10):
    img,target=text_set[i]
    writer.add_image('textset',img,i)
writer.close()

在terminal进行输出，得到0~9十张图片