五、将 dataset 与 transforms、tensorboard 进行结合

威猛于于一年三跳

已于 2022-02-09 16:03:55 修改

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch从入门到实战文章标签： pytorch 深度学习机器学习

于 2022-02-09 16:00:54 首次发布

本文链接：https://blog.csdn.net/weixin_40434614/article/details/122843515

pytorch从入门到实战专栏收录该内容

5 篇文章

订阅专栏

该博客介绍了如何在PyTorch中结合torchvision和TensorBoard进行数据预处理，特别是使用Compose方法应用ToTensor转换。通过加载CIFAR10数据集，对训练集和测试集进行设置，并在TensorBoard中展示前10张测试集图片，以实现数据的可视化。读者可以按照提供的代码在本地环境中运行TensorBoard以查看图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

明确transforms的常用类的使用方法后，可以进一步将dataset与transforms进行结合，逐步向实战方向进行

引入要用的模块

import torchvision
from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter('log')

设置要对dataset中图片进行的操作

这里只compose了ToTensor方法，在使用过程中可以根据需要继续进行叠加

dataset_transfrom = torchvision.transforms.Compose([
   torchvision.transforms.ToTensor()
])

设置训练集和测试集

使用到了torchvision中的dataset，可以在pytorch官网中查看针对音频、文字、图片的各类数据集
在这里插入图片描述

这里使用的是torchvision中的CIFAR10数据集，将前10张图片在tensorboard中进行展示。

train_set = torchvision.datasets.CIFAR10(root='./dataset', train=True, transform=dataset_transfrom, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, transform=dataset_transfrom, download=True)

writer = SummaryWriter('log')

for i in range(10):
   img, target = test_set[i]
   writer.add_image('testset', img, i)

writer.close()

查看绘制的图像

在conda的pytorch环境中执行 tensorboard --logdir=log --port=6007
在这里插入图片描述
点击本地连接，即可查看，不再一一进行展示

完整代码

'''
因为处理图片的过程中肯定不是一张一张处理，所以本节主要进行dataset和transfrom的结合使用
'''
import torchvision
from torch.utils.tensorboard import SummaryWriter

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

writer = SummaryWriter('log')

for i in range(10):
   img, target = test_set[i]
   writer.add_image('testset', img, i)

writer.close()