PyTorch读取Cifar数据集并显示图片的实例讲解

　　

<强>首先了解一下需要的几个类所在

的包 　　

PyTorch读取Cifar数据集并显示图片的实例讲解

　　 　　 　　从torchvision进口变换,数据集作为ds 　　从torch.utils。数据导入DataLoader 　　进口matplotlib。pyplot作为plt 　　进口numpy np 　　 　　#变换=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 　　变换=transforms.Compose ( 　　( 　　transforms.ToTensor () 　　］ 　　） 　　之前 　　 　　

　　

torch.utils.data.Dataset是一个抽象类,CIFAR100是它的一个实例化子类

　　

=True训练,读取训练集;火车=False,读取测试集

　　

下载=False,不下载。如果为真,则先检查根下有无该数据集,如果没有就先下载。

　　 　　 　　train_set=ds.CIFAR100(根='。”,火车=True,变换=变换,target_transform=没有下载=True) 　　 　　

　　 　　=train_set data_loader=DataLoader(数据集 　　batch_size=1, 　　洗牌=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) 　　#图片,标签=next (data_iter) 　　 　　

　　

　　

<强> 1)使用的……在……循环读取数据的时候,会自动调用DataLoader里的__next__()函数

　　

而且只能对张量实例进行迭代,所以之前的变换必须最后加一个transforms.ToTensor ()

　　

<强> 2)显示图片有两种方式:Image.show()和plt.imshow (ndarray)

　　

Image.show ():

　　

通过transforms.ToPILImage()把FloatTensor转化图像为

　　

plt.imshow (ndarray):

　　

通过FloatTensor.numpy()转化为ndarray,再调用plt.imshow ()

　　 　　 　　to_pil_image=transforms.ToPILImage () 　　问=0 　　的形象,在data_loader标签: 　　如果cnt>=3: #只显示3张图片 　　打破 　　打印(标签)#显示标签 　　 　　#方法1:Image.show () 　　# transforms.ToPILImage()中有一句 　　# npimg=np.transpose (pic.numpy (), (1 2 0)) 　　#因此图片只能是三维张量,所以要用形象[0]消去批那一维 　　img=to_pil_image(图片[0]) 　　img.show () 　　 　　#方法2:plt.imshow (ndarray) 　　img图像[0]=# plt.imshow()只能接受三维张量,所以也要用形象[0]消去批那一维 　　img=img.numpy () # FloatTensor转为ndarray 　　img=np。置(img(1 2 0)) #把通道那一维放到最后 　　 　　#显示图片 　　plt.imshow (img) 　　plt.show () 　　 　　问+=1 　　 　　

　　

第一个参数是要转置的图片;

　　

第二个是形状。比如一个ndarray是(渠道、高度、宽度),如果给第二个参数(高度、宽度、频道),就会把第0维频道整个搬到最后。

　　

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。

PyTorch读取Cifar数据集并显示图片的实例讲解