PyTorch读取Cifar数据集并显示图片的实例讲解_Python

首先了解一下需要的几个类所在的package

PyTorch读取Cifar数据集并显示图片的实例讲解

									from torchvision import transforms, datasets as ds

									from torch.utils.data import DataLoader

									import matplotlib.pyplot as plt

									import 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。

1	`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 = 0

									for 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服务器之家。

原文链接：https://blog.csdn.net/u011636567/article/details/72821455

PyTorch读取Cifar数据集并显示图片的实例讲解

相关文章

热门资讯