Pytorch学习 day06（torchvision中的datasets、dataloader）

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 SummaryWriter

dataset_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, transform=dataset_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, transform=dataset_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tensorboard
    
writer.close()  # 关闭SummaryWriter对象