Pytorch学习07_torchvision中数据集的使用

torchvision

torchvision 是 PyTorch 生态系统中的一个用于计算机视觉任务的包，它提供了一系列用于图像和视频处理的工具和数据集。torchvision 可以帮助你加载、预处理、增强和可视化图像数据，并提供了一些经典的计算机视觉模型和预训练权重，使其适用于各种视觉任务。

以下是一些 torchvision 常用功能和用途：

数据加载与处理：torchvision 提供了用于加载和处理图像数据的工具，包括用于构建数据加载器的类和函数。你可以使用它来加载自定义数据集，进行数据增强和预处理。
经典的计算机视觉模型：torchvision 包含了一些经典的计算机视觉模型，如 AlexNet、VGG、ResNet、Inception 等，这些模型都可以用于图像分类、目标检测、语义分割等任务。
预训练权重：torchvision 提供了在大规模图像数据集上预训练的模型权重，这些权重可以用于迁移学习，加速模型在自定义任务上的训练。
图像增强：包括各种图像增强技术，如随机裁剪、翻转、旋转、亮度和对比度调整等，可以用于训练数据的增强。
数据集和数据加载器：torchvision 包含了一些常用的计算机视觉数据集，如 CIFAR-10、CIFAR-100、ImageNet 等，并提供了数据加载器，使数据加载变得容易。
可视化工具：torchvision 中包含了一些用于可视化图像和结果的工具，如 matplotlib 集成、图像显示等。
图像处理工具：包括图像变换、颜色空间转换、几何变换等功能，可用于数据预处理和数据增强。

下载数据集

通过py程序下载

import torchvision train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True) test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

可以看到控制台在下载

手动下载

路径

https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz

import torchvision
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

print(f"test_set[0]:{test_set[0]}")
# print(test_set.classes)
img,target=test_set[0]
print(f"img:{img}")
print(f"target:{target}")
img.show()

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True,transform=dataset_transform)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True,transform=dataset_transform)

# print(f"test_set[0]:{test_set[0]}")
# # print(test_set.classes)
# img,target=test_set[0]
# print(f"img:{img}")
# print(f"target:{target}")
# img.show()

# print(f"test_set[0]:{test_set[0]}")
writer=SummaryWriter("p10")
for i in range(10):
    img,target=test_set[i]
    writer.add_image("test_img",img,i)

writer.close()