Pytorch学习--如何下载及使用Pytorch中自带数据集,如何把数据集和transforms联合在一起使用

一、标准数据集使用

pytorch官网--标准数据集

这里以CIFAR10数据集为例:CIFAR10

下载数据集

代码:

python 复制代码
import torchvision
train_data=torchvision.datasets.CIFAR10(root="datasets",train=True,download=True)
test_data=torchvision.datasets.CIFAR10(root="datasets",train=False,download=True)

输出:

python 复制代码
Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to datasets\cifar-10-python.tar.gz
100%|██████████| 170498071/170498071 [00:30<00:00, 5675896.90it/s]
Extracting datasets\cifar-10-python.tar.gz to datasets
Files already downloaded and verified

查看数据集属性

python 复制代码
import torchvision
train_data=torchvision.datasets.CIFAR10(root="datasets",train=True,download=True)
test_data=torchvision.datasets.CIFAR10(root="datasets",train=False,download=True)
print("test_data")
print(test_data)
print("test_data[0]")
print(test_data[0])
img,target=test_data[0]
img.show()
print(test_data.classes[target])

输出:

test_data 的属性:善用debug

二、把读入的数据集都转换为Tensor类型,并用Tensorboard展示

代码:

python 复制代码
import torchvision
from torch.utils.tensorboard import SummaryWriter
trans_dataset=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
train_data=torchvision.datasets.CIFAR10(root="datasets",train=True,transform=trans_dataset,download=True)
test_data=torchvision.datasets.CIFAR10(root="datasets",train=False,transform=trans_dataset,download=True)
# print("test_data")
# print(test_data)
# print("test_data[0]")
# print(test_data[0])
# img,target=test_data[0]
# img.show()
# print(test_data.classes[target])

writer=SummaryWriter("logs")
writer.add_image("test",test_data[0][0],1)
writer.close()

输出:

相关推荐
Light601 分钟前
智启未来:深度解析Python Transformers库及其应用场景
开发语言·python·深度学习·自然语言处理·预训练模型·transformers库 |·|应用场景
爱的叹息4 分钟前
DeepSeek 大模型 + LlamaIndex + MySQL 数据库 + 知识文档 实现简单 RAG 系统
数据库·人工智能·mysql·langchain
数据智能老司机11 分钟前
构建具备自主性的人工智能系统——在生成式人工智能系统中构建信任
深度学习·llm·aigc
PeterOne14 分钟前
Trae MCP + Obsidian 集成如何缓解开发者的时间损耗
人工智能·trae
sduwcgg44 分钟前
kaggle配置
人工智能·python·机器学习
DolphinScheduler社区1 小时前
白鲸开源与亚马逊云科技携手推动AI-Ready数据架构创新
人工智能·科技·开源·aws·白鲸开源·whalestudio
欣然~1 小时前
借助 OpenCV 和 PyTorch 库,利用卷积神经网络提取图像边缘特征
人工智能·计算机视觉
谦行1 小时前
工欲善其事,必先利其器—— PyTorch 深度学习基础操作
pytorch·深度学习·ai编程
xwz小王子2 小时前
Nature Communications 面向形状可编程磁性软材料的数据驱动设计方法—基于随机设计探索与神经网络的协同优化框架
深度学习
白熊1882 小时前
【计算机视觉】CV实战项目 - 基于YOLOv5的人脸检测与关键点定位系统深度解析
人工智能·yolo·计算机视觉