Pytorch(3)-Torchvision的使用
2022/5/22 23:06:50
本文主要是介绍Pytorch(3)-Torchvision的使用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
import torchvision # 通过ToTensor()将数据集转为tensor数据类型,并通过compose连接 from torch.utils.tensorboard import SummaryWriter dataset_transform = torchvision.transforms.Compose([ torchvision.transforms.ToTensor() ]) # 加载数据集,其中CIFAR10是pytorch提供的一种数据集类型,具体参数介绍: # root:要保存数据集的目录 # train:如果为true创建一个训练数据集,如果为false创建一个测试数据集 # transform:图像转换后的数据类型 # download:如果为true则会在网络中下载该数据集,如果为false则不会下载,如果数据集已经存在则会在控制台输出数据集已存在 train_set = torchvision.datasets.CIFAR10(root="F:\\pytorch\\pytorch01_hello\\dataset\\train\\torchvision_image", train=True, transform=dataset_transform, download=True) test_set = torchvision.datasets.CIFAR10(root="F:\\pytorch\\pytorch01_hello\\dataset\\train\\torchvision_image", train=False, transform=dataset_transform, download=True) # print(test_set.classes) # print(test_set[0]) # 将数据集加载到tensorboard查看,这里查看前十张图片 writer = SummaryWriter("p10") for i in range(10): img, target = test_set[i] writer.add_image("p10课程", img, i) writer.close()
这篇关于Pytorch(3)-Torchvision的使用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-05-13PingCAP 戴涛:构建面向未来的金融核心系统
- 2024-05-09flutter3.x_macos桌面os实战
- 2024-05-09Rust中的并发性:Sync 和 Send Traits
- 2024-05-08使用Ollama和OpenWebUI在CPU上玩转Meta Llama3-8B
- 2024-05-08完工标准(DoD)与验收条件(AC)究竟有什么不同?
- 2024-05-084万 star 的 NocoDB 在 sealos 上一键起,轻松把数据库编程智能表格
- 2024-05-08Mac 版Stable Diffusion WebUI的安装
- 2024-05-08解锁CodeGeeX智能问答中3项独有的隐藏技能
- 2024-05-08RAG算法优化+新增代码仓库支持,CodeGeeX的@repo功能效果提升
- 2024-05-08代码报错不用愁,CodeGeeX一键完成代码修复、错误解释的功能上线了!