时间:2021-05-22
首先了解一下需要的几个类所在的package
from torchvision import transforms, datasets as dsfrom torch.utils.data import DataLoaderimport matplotlib.pyplot as pltimport numpy as np#transform = transforms.Compose是把一系列图片操作组合起来,比如减去像素均值等。#DataLoader读入的数据类型是PIL.Image#这里对图片不做任何处理,仅仅是把PIL.Image转换为torch.FloatTensor,从而可以被pytorch计算transform = transforms.Compose( [ transforms.ToTensor() ])Step 1,得到torch.utils.data.Dataset实例。
torch.utils.data.Dataset是一个抽象类,CIFAR100是它的一个实例化子类
train=True,读取训练集;train=False,读取测试集
download=False,不下载。如果为True,则先检查root下有无该数据集,如果没有就先下载。
train_set = ds.CIFAR100(root='.', train=True, transform=transform, target_transform=None, download=True)Step 2,把Dataset封装成torch.utils.data.DataLoader
data_loader = DataLoader(dataset=train_set, batch_size=1, shuffle=False, num_workers=2)# # 生成torch.utils.data.DataLoaderIter# # 不过DataLoaderIter它会被DataLoader自动创建并且调用,我们用不到# data_iter = iter(data_loader)# images, labels = next(data_iter)step 3,从DataLoader里读取数据,并将图片显示出来。
注意:
1)使用for...in...循环读取数据的时候,会自动调用DataLoader里的__next__()函数
而且只能对Tensor实例进行迭代,所以之前的transforms必须最后加一个transforms.ToTensor()
2)显示图片有两种方式:Image.show()和plt.imshow(ndarray)
Image.show():
通过transforms.ToPILImage()把FloatTensor转化为Image
plt.imshow(ndarray):
通过FloatTensor.numpy()转化为ndarray,再调用plt.imshow()
to_pil_image = transforms.ToPILImage()cnt = 0for image,label in data_loader: if cnt>=3: # 只显示3张图片 break print(label) # 显示label # 方法1:Image.show() # transforms.ToPILImage()中有一句 # npimg = np.transpose(pic.numpy(), (1, 2, 0)) # 因此pic只能是3-D Tensor,所以要用image[0]消去batch那一维 img = to_pil_image(image[0]) img.show() # 方法2:plt.imshow(ndarray) img = image[0] # plt.imshow()只能接受3-D Tensor,所以也要用image[0]消去batch那一维 img = img.numpy() # FloatTensor转为ndarray img = np.transpose(img, (1,2,0)) # 把channel那一维放到最后 # 显示图片 plt.imshow(img) plt.show() cnt += 1另外补一句np.transpose()的用法。
第一个参数是要transpose的图片;
第二个是shape。比如一个ndarray是(channel, height, width),如果给第二个参数(height, width,channel),就会把第0维channel整个搬到最后。
以上这篇PyTorch读取Cifar数据集并显示图片的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
pytorch在torchvision包里面有很多的的打包好的数据集,例如minist,Imagenet-12,CIFAR10和CIFAR100。在torchv
在使用pytorch训练模型,经常需要加载大量图片数据,因此pytorch提供了好用的数据加载工具Dataloader。为了实现小批量循环读取大型数据集,在Da
模型VGG,数据集cifar。对照这份代码走一遍,大概就知道整个pytorch的运行机制。来源定义模型:'''VGG11/13/16/19inPytorch.'
Tebsorflow开源实现多GPU训练cifar10数据集:cifar10_multi_gpu_train.pyTensorflow开源实现cifar10神经
图片显示pytorch载入的数据集是元组tuple形式,里面包括了数据及标签(train_data,label),其中的train_data数据可以转换为tor