淘宝客网站开发,直播app源码,广告推广精准引流,女装标题优化关键词torchvision的datasets
使用torchvision提供的数据集API#xff0c;比较方便#xff0c;如果在pycharm中下载很慢#xff0c;可以URL链接到迅雷中进行下载#xff08;有些URL链接在源码里#xff09;代码如下#xff1a;
import torchvision # 导入 torchvision 库
# …torchvision的datasets
使用torchvision提供的数据集API比较方便如果在pycharm中下载很慢可以URL链接到迅雷中进行下载有些URL链接在源码里代码如下
import torchvision # 导入 torchvision 库
# 使用torchvision的datasets模块模块中包含CIFAR10、CIFAR100、ImageNet、COCO等数据集
train_set torchvision.datasets.CIFAR10(./Dataset, train True, download True) # root 表示数据集的存储路径train 表示是否是训练集download 表示是否需要下载
test_set torchvision.datasets.CIFAR10(./Dataset, train False, download True)CIFAR10数据集的每个样本会输出一个元组第一个元素是PIL格式的图片第二个元素是该样本的标签即class代码如下
import torchvision # 导入 torchvision 库
# 使用torchvision的datasets模块模块中包含CIFAR10、CIFAR100、ImageNet、COCO等数据集
train_set torchvision.datasets.CIFAR10(./Dataset, train True, download True) # root 表示数据集的存储路径train 表示是否是训练集download 表示是否需要下载
test_set torchvision.datasets.CIFAR10(./Dataset, train False, download True)print(train_set[0]) # 输出训练集的第一个样本 输出为一个元组第一个元素为PIL格式图片第二个元素为标签标签表示图片的类别即class
print(train_set.classes) # 输出数据集的类别即class
img, target train_set[0]
print(img) # 输出图片
print(target) # 输出标签
print(train_set.classes[target]) # 输出训练集第一个样本图片的类别对数据集进行transforms变换 注意只需要在调用数据集API时填入变换对象即可由于dataset_transforms是Compose类实例化后的对象所以直接传入即可代码如下
import torchvision # 导入 torchvision 库
from torch.utils.tensorboard import SummaryWriterdataset_transforms torchvision.transforms.Compose([torchvision.transforms.ToTensor(), # 将PIL格式图片转换为Tensor格式
]) # Compose函数将多个transforms组合在一起# 使用torchvision的datasets模块模块中包含CIFAR10、CIFAR100、ImageNet、COCO等数据集
train_set torchvision.datasets.CIFAR10(./Dataset, train True, transformdataset_transforms, download True) # root 表示数据集的存储路径train 表示是否是训练集transform 表示对数据集进行的变换download 表示是否下载数据集
test_set torchvision.datasets.CIFAR10(./Dataset, train False, transformdataset_transforms, download True)writer SummaryWriter(logs) # 实例化SummaryWriter类参数log_dir表示日志文件的存储路径
for i in range(10):img, target train_set[i] writer.add_image(train_set_img, img, i) # 将图片写入tensorboardwriter.close() # 关闭SummaryWriter对象tensorboard的展示结果如下
torchvision中的dataloader
