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
子燕若水1 小时前
Unreal Engine 5中的AI知识
人工智能
极限实验室2 小时前
Coco AI 实战(一):Coco Server Linux 平台部署
人工智能
杨过过儿3 小时前
【学习笔记】4.1 什么是 LLM
人工智能
巴伦是只猫3 小时前
【机器学习笔记Ⅰ】13 正则化代价函数
人工智能·笔记·机器学习
伍哥的传说3 小时前
React 各颜色转换方法、颜色值换算工具HEX、RGB/RGBA、HSL/HSLA、HSV、CMYK
深度学习·神经网络·react.js
大千AI助手3 小时前
DTW模版匹配:弹性对齐的时间序列相似度度量算法
人工智能·算法·机器学习·数据挖掘·模版匹配·dtw模版匹配
AI生存日记3 小时前
百度文心大模型 4.5 系列全面开源 英特尔同步支持端侧部署
人工智能·百度·开源·open ai大模型
LCG元3 小时前
自动驾驶感知模块的多模态数据融合:时序同步与空间对齐的框架解析
人工智能·机器学习·自动驾驶
why技术4 小时前
Stack Overflow,轰然倒下!
前端·人工智能·后端