五、torchvision

一、下载CIFAR-10数据集

CIFAR-10数据集官网
通过阅读官网给的解释可以大概了解到，一共6w张图片，每张图片大小为32×32，5w张训练图像，1w张测试图像，一共由十大类图像。

CIFAR10官网使用文档

torchvision.datasets.CIFAR10(root="./CIFAR_10",train=True,download=True)

import torchvision

train_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=True,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=False,download=True)
1
2
3
4

若下载慢，可以通过复制蓝色超链接，进行通过浏览器等方式下载

二、将CIFAR-10数据集中的图像上传至tensorboard

调试阶段
以训练集数据为例进行调试

import torchvision

train_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=True,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=False,download=True)

print(train_set[0])#(, 6)
#由输出结果大致可以看出，结构为 image和target也就是图片信息和所属类别
img,target = train_set[0]
print(img)#  图片信息
print(target)#6 所属类别，classes中有总共类别
print(train_set.classes[target])#frog  查看详细的类别

img.show()#因为img是PIL类别，故可以通过show方法进行展示
1
2
3
4
5
6
7
8
9
10
11
12
13

实战阶段
这里还是以训练集数据为例

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])
#这里通过Compose方法进行transform操作组合
#图片太小，也没必要进行裁剪等操作，图片类型为PIL，只需要通过ToTensor方法转换成tensor类型就行了

train_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=True,transform=dataset_transform,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR_10",train=False,transform=dataset_transform,download=True)

print(train_set[0])#(tensor([[[0.2314, 0.1686, 0.1961,  ..., 0.6196, 0.5961, 0.5804],......
#可以看出，这里的数据集已经变成了tensor类型，可以直接上传至tensorboard中

writer = SummaryWriter("y_log")
for i in range(30):#这里以训练集前30张数据进行上传
    img,target = train_set[i]
    writer.add_image("train_set",img,i)

writer.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

在Terminal下运行tensorboard --logdir=y_log --port=2312，logdir为打开事件文件的路径，port为指定端口打开；
通过指定端口2312进行打开tensorboard，若不设置port参数，默认通过6006端口进行打开。

点击该链接或者复制链接到浏览器打开即可