深度学习入门-06

基于小土堆学习

如何把数据集和Transform结合袭来

https://pytorch.org/
上述网址是pytorch的官网
在这里插入图片描述
这里会有详细的使用介绍
在这里插入图片描述
下述是对图像处理的专门文档
在这里插入图片描述
单击后可查看详细介绍
在这里插入图片描述
选择CIFAR10数据集

在这里插入图片描述
CIFAR10 数据集是一个广泛使用的计算机视觉数据集，包含了60000张32x32的彩色图像，这些图像分为10个类别，每个类别6000张图像。这些数据集被分为50000张训练图像和10000张测试图像。

参数解释如下：

  • -root（str或pathlib.Path）：数据集的根目录，其中应存在cifar-10-batches-py目录，或者如果设置download为True，则会在此目录下下载并保存数据集。
  • -train（bool，可选）：如果为True，则从训练集创建数据集；否则，从测试集创建数据集。
  • -transform（callable，可选）：一个函数/变换，它接受一个PIL图像并返回变换后的版本。例如，transforms.RandomCrop。
  • -target_transform（callable，可选）：一个函数/变换，它接受目标（标签）并对其进行变换。
  • -download（bool，可选）：如果为True，则从互联网下载数据集并将其放在根目录中。如果数据集已经下载，则不会再次下载。

在这里插入图片描述

import torchvision
train_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=True,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=False,download=True)
#下载训练集和测试机print(test_set[0])#获取数据类型
print("test_set.classes",test_set.classes)#获取分类目标img,target = test_set[0]
print("img:",img)
print("target:",target)
#输出结果target: 3，对应类别0,1,2,3；也就是当前类别是猫cat
print("test_set.classesp[target]当前类型为",test_set.classes[target])
img.show()

运行结果为

C:\Anaconda3\envs\pytorch_test\python.exe H:\Python\Test\P10_dataset_transforms.py 
Files already downloaded and verified
Files already downloaded and verified
(<PIL.Image.Image image mode=RGB size=32x32 at 0x21F676692D0>, 3)
test_set.classes ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
img: <PIL.Image.Image image mode=RGB size=32x32 at 0x21F6A68E560>
target: 3
test_set.classesp[target]当前类型为 cat进程已结束,退出代码0

数据集全部转换为tensor数据类型

import torchvisiondataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()    ])train_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=True,transform=dataset_transform,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=False,transform=dataset_transform,download=True)
#transform=dataset_transform,将数据集中的每个数据都转换为Tensor格式
#下载训练集和测试机print(test_set[0])#获取数据类型
print("test_set.classes",test_set.classes)#获取分类目标img,target = test_set[0]
print("img:",img)
print("target:",target)
#输出结果target: 3，对应类别0,1,2,3；也就是当前类别是猫cat
print("test_set.classesp[target]当前类型为",test_set.classes[target])

输出结果为：

C:\Anaconda3\envs\pytorch_test\python.exe H:\Python\Test\P10_dataset_transforms.py 
Files already downloaded and verified
Files already downloaded and verified
(tensor([[[0.6196, 0.6235, 0.6471,  ..., 0.5373, 0.4941, 0.4549],[0.5961, 0.5922, 0.6235,  ..., 0.5333, 0.4902, 0.4667],[0.5922, 0.5922, 0.6196,  ..., 0.5451, 0.5098, 0.4706],...,[0.2667, 0.1647, 0.1216,  ..., 0.1490, 0.0510, 0.1569],[0.2392, 0.1922, 0.1373,  ..., 0.1020, 0.1137, 0.0784],[0.2118, 0.2196, 0.1765,  ..., 0.0941, 0.1333, 0.0824]],[[0.4392, 0.4353, 0.4549,  ..., 0.3725, 0.3569, 0.3333],[0.4392, 0.4314, 0.4471,  ..., 0.3725, 0.3569, 0.3451],[0.4314, 0.4275, 0.4353,  ..., 0.3843, 0.3725, 0.3490],...,[0.4863, 0.3922, 0.3451,  ..., 0.3804, 0.2510, 0.3333],[0.4549, 0.4000, 0.3333,  ..., 0.3216, 0.3216, 0.2510],[0.4196, 0.4118, 0.3490,  ..., 0.3020, 0.3294, 0.2627]],[[0.1922, 0.1843, 0.2000,  ..., 0.1412, 0.1412, 0.1294],[0.2000, 0.1569, 0.1765,  ..., 0.1216, 0.1255, 0.1333],[0.1843, 0.1294, 0.1412,  ..., 0.1333, 0.1333, 0.1294],...,[0.6941, 0.5804, 0.5373,  ..., 0.5725, 0.4235, 0.4980],[0.6588, 0.5804, 0.5176,  ..., 0.5098, 0.4941, 0.4196],[0.6275, 0.5843, 0.5176,  ..., 0.4863, 0.5059, 0.4314]]]), 3)
test_set.classes ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
img: tensor([[[0.6196, 0.6235, 0.6471,  ..., 0.5373, 0.4941, 0.4549],[0.5961, 0.5922, 0.6235,  ..., 0.5333, 0.4902, 0.4667],[0.5922, 0.5922, 0.6196,  ..., 0.5451, 0.5098, 0.4706],...,[0.2667, 0.1647, 0.1216,  ..., 0.1490, 0.0510, 0.1569],[0.2392, 0.1922, 0.1373,  ..., 0.1020, 0.1137, 0.0784],[0.2118, 0.2196, 0.1765,  ..., 0.0941, 0.1333, 0.0824]],[[0.4392, 0.4353, 0.4549,  ..., 0.3725, 0.3569, 0.3333],[0.4392, 0.4314, 0.4471,  ..., 0.3725, 0.3569, 0.3451],[0.4314, 0.4275, 0.4353,  ..., 0.3843, 0.3725, 0.3490],...,[0.4863, 0.3922, 0.3451,  ..., 0.3804, 0.2510, 0.3333],[0.4549, 0.4000, 0.3333,  ..., 0.3216, 0.3216, 0.2510],[0.4196, 0.4118, 0.3490,  ..., 0.3020, 0.3294, 0.2627]],[[0.1922, 0.1843, 0.2000,  ..., 0.1412, 0.1412, 0.1294],[0.2000, 0.1569, 0.1765,  ..., 0.1216, 0.1255, 0.1333],[0.1843, 0.1294, 0.1412,  ..., 0.1333, 0.1333, 0.1294],...,[0.6941, 0.5804, 0.5373,  ..., 0.5725, 0.4235, 0.4980],[0.6588, 0.5804, 0.5176,  ..., 0.5098, 0.4941, 0.4196],[0.6275, 0.5843, 0.5176,  ..., 0.4863, 0.5059, 0.4314]]])
target: 3
test_set.classesp[target]当前类型为 cat进程已结束,退出代码0

继续用Tensorboard进行图片的显示：显示前20张图片

import torchvision
from torch.utils.tensorboard import SummaryWriterdataset_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()    ])train_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=True,transform=dataset_transform,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR",train=False,transform=dataset_transform,download=True)
#transform=dataset_transform,将数据集中的每个数据都转换为Tensor格式
#下载训练集和测试机# print(test_set[0])#获取数据类型
# print("test_set.classes",test_set.classes)#获取分类目标
#
# img,target = test_set[0]
# print("img:",img)
# print("target:",target)
# #输出结果target: 3，对应类别0,1,2,3；也就是当前类别是猫cat
# print("test_set.classesp[target]当前类型为",test_set.classes[target])
write = SummaryWriter("logs")
for i in range(20):img, target = test_set[i]write.add_image("img", img, i)
write.close()

结果为：

C:\Anaconda3\envs\pytorch_test\python.exe H:\Python\Test\P10_dataset_transforms.py 
Files already downloaded and verified
Files already downloaded and verified进程已结束,退出代码0

local的结果

**(pytorch_test) PS H:\Python\Test> tensorboard --logdir logs --port=6007 
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.17.1 at http://localhost:6007/ (Press CTRL+C to quit)
**

在这里插入图片描述
拖动可以查看20张图片

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/877973.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

UV LED供电为什么要选择使用恒流驱动电源

UV LED供电为什么要选择使用恒流驱动电源

LED为何一定要恒流供电? 在讨论此议题之前&#xff0c;什么是电源的恒流恒压&#xff1f; 什么是电源的恒流恒压 　　恒流&#xff0c;就是输出电流是恒定的&#xff0c;但电源电流却不是固定的&#xff0c;标称的电压只是安全上限&#xff1b;恒压&#xff0c;就是输出电压是…
阅读更多...
Unity3D FixedUpdate处理物理模拟详解

Unity3D FixedUpdate处理物理模拟详解

在Unity3D中&#xff0c;处理物理模拟时&#xff0c;正确地使用FixedUpdate()方法是非常重要的。这是因为Unity的物理引擎&#xff08;PhysX&#xff09;是在固定的时间间隔内运行的&#xff0c;而不是像Update()那样每一帧都调用。这种设计旨在确保物理模拟的稳定性和可预测性…
阅读更多...
力扣面试经典算法150题：跳跃游戏

力扣面试经典算法150题：跳跃游戏

跳跃游戏 今天的题目是力扣面试经典150题中的数组的中等难度题&#xff1a;跳跃游戏。 题目链接&#xff1a;https://leetcode.cn/problems/jump-game/description/?envTypestudy-plan-v2&envIdtop-interview-150 题目描述 给定一个非负整数数组 nums&#xff0c;你最初…
阅读更多...
uniapp/uniapp x总结

uniapp/uniapp x总结

uni-app组成和跨端原理 上图所诉 App的渲染引擎&#xff1a;同时提供了2套渲染引擎&#xff0c;.vue页面文件由webview渲染&#xff0c;原理与小程序相同&#xff1b;.nvue页面文件由原生渲染&#xff0c;原理与react native相同。开发者可以根据需要自主选择渲染引擎。 uniapp…
阅读更多...
R语言中theme的调整技巧汇总-持续更新

R语言中theme的调整技巧汇总-持续更新

1.如何扩充图片的上右下左位置的空白区域&#xff1a; unit(c(1.1, 1, 0.4, 0.5), “cm”) 表示使用厘米作为单位设置各个方向的边距&#xff0c;c(1.1, 1, 0.4, 0.5) 对应的顺序是&#xff1a;上、右、下、左。 theme(plot.margin unit(c(1.1, 1, 0.4, 0.5), "cm")…
阅读更多...
android gradle.properties 的作用

android gradle.properties 的作用

android gradle.properties 的作用 1 将多个应用程序打包成一个单一的应用程序&#xff08;超级应用或聚合应用&#xff09;在里面配置打包的版本&#xff0c;版本号&#xff0c;比如 version_code110 RELEASE_VERSION3.0.5 DEFAULT_BUILD_TYPE_NAMERelease 2 配置一些在线库&a…
阅读更多...
微信小程序uni :class不支持xxx语法

微信小程序uni :class不支持xxx语法

问题代码&#xff1a; <view class"cellTop"><view>{{list.payTime}}</view><view :class"payStatusClass${list.payStatus}">{{payStatusDe[list.payStatus]}}</view></view> .payStatusClass1{color: rgb(246, 122,…
阅读更多...
C# lambda 表达式 和 闭包的概念

C# lambda 表达式 和 闭包的概念

目录 lambda表达式 闭包 内层的函数可以引用包含在它外层的函数的变量 即使外层函数的执行已经终止 注意&#xff1a; 该变量提供的值并非变量创建时的值&#xff0c;而是在父函数范围内的最终值。 class Program { public static void Main() { Test t…
阅读更多...
鸿蒙HarmonyOS开发：创建新的Lite工程

鸿蒙HarmonyOS开发：创建新的Lite工程

当开始开发一个应用/服务时&#xff0c;首先需要根据工程创建向导&#xff0c;创建一个新的工程&#xff0c;工具会自动生成对应的代码和资源模板。 说明 在运行DevEco Studio工程时&#xff0c;建议每一个运行窗口有2GB以上的可用内存空间。 创建和配置新工程 DevEco Studio提…
阅读更多...
Kubernetes中如何对etcd进行备份和还原

Kubernetes中如何对etcd进行备份和还原

一、etcd备份 准备环境 确认etcd版本&#xff0c;确保etcdctl客户端与服务器版本兼容。获取etcd证书和密钥&#xff0c;如果集群使用了TLS加密。设置etcdctl环境变量&#xff0c;如ETCDCTL_API3&#xff08;指定使用etcd v3 API&#xff09;。 执行备份命令 使用etcdctl的snap…
阅读更多...
TCP/IP和SNMP

TCP/IP和SNMP

目录 前言 一、TCP/IP (Transmission Control Protocol/Internet Protocol) 1. TCP/IP概述 2. TCP/IP的分层结构 3. TCP和UDP的对比 4. IP地址和子网划分 二、SNMP (Simple Network Management Protocol) 1. SNMP概述 2. SNMP的组成部分 3. SNMP操作 4. SNMP版本 5…
阅读更多...
【图文并茂】ant design pro 如何对接后端个人信息接口

【图文并茂】ant design pro 如何对接后端个人信息接口

上一节我们有讲到如何对接登录接口的 【图文并茂】ant design pro 如何对接登录接口 仅仅能登录是最基本的&#xff0c;但是我们要进入后台还是需要另一个接口。 这个接口有两个作用&#xff1a; 来获取当前登录账号的信息&#xff0c;比如头像&#xff0c;用户名&#xff0…
阅读更多...
Springsecurity中的Eureka报错：Cannot execute request on any known server

Springsecurity中的Eureka报错：Cannot execute request on any known server

完整报错信息&#xff1a; com.netflix.discovery.shared.transport.TransportException: Cannot execute request on any known server 报错体现&#xff1a; 访问eureka控制面板&#xff1a; 访问测试地址&#xff1a; 控制台报错&#xff1a; 可能的报错原因&#xff…
阅读更多...
【YOLOv8改进[Conv]】 感受野注意力卷积RFAConv（2024.3）| 使用RFAConv改进C2f + 含全部代码和详细修改方式

【YOLOv8改进[Conv]】 感受野注意力卷积RFAConv（2024.3）| 使用RFAConv改进C2f + 含全部代码和详细修改方式

本文将进行在YOLOv8中使用 感受野注意力卷积RFAConv改进C2f 的实践，助力YOLOv8目标检测效果，文中含全部代码、详细修改方式。助您轻松理解改进的方法。 改进前和改进后
阅读更多...
Java的GC（Garbage Collection，垃圾回收）

Java的GC（Garbage Collection，垃圾回收）

Java的GC&#xff08;Garbage Collection&#xff0c;垃圾回收&#xff09;机制是Java虚拟机&#xff08;JVM&#xff09;中的一个重要功能&#xff0c;用于自动管理堆内存中不再使用的对象&#xff0c;释放其占用的内存空间&#xff0c;以避免内存泄漏和溢出。以下是对Java GC…
阅读更多...
WEB渗透免杀篇-Golang免杀

WEB渗透免杀篇-Golang免杀

全套完整笔记 渗透测试60w字全套md笔记&#xff1a;夸克网盘分享 往期文章 WEB渗透免杀篇-免杀工具全集-CSDN博客 WEB渗透免杀篇-加载器免杀-CSDN博客 WEB渗透免杀篇-分块免杀-CSDN博客 WEB渗透免杀篇-Powershell免杀-CSDN博客 WEB渗透免杀篇-Python源码免杀-CSDN博客 …
阅读更多...
快手小店自动回复机器人脚本

快手小店自动回复机器人脚本

快手小店自动回复机器人是一种利用人工智能AI技术&#xff0c;能够根据用户的会话咨询内容自动回复的工具。这种机器人可以帮助快手小店主快速、高效地回复客户消息&#xff0c;提升店铺的客户服务质量和销售效率。 甜羊浏览器是一款基于Chromium内核开发的国产浏览器&#xff…
阅读更多...
wpf DynamicResource的ResourceKey值进行绑定

wpf DynamicResource的ResourceKey值进行绑定

wpf 中的DynamicResource 的ResourceKey不支持绑定的&#xff0c;因为它不是个DependencyProperty&#xff0c;但又想动态指定ResourceKey 场景&#xff1a; Name属性有多个值 zhangsan,lisi,wangwu 对应不同资源文件中的 // style1<sys:String x:Key"zhangsan"…
阅读更多...
Java里面的::是什么意思

Java里面的::是什么意思

在Java中&#xff0c;:: 是方法引用&#xff08;Method References&#xff09;的符号。方法引用提供了一种更简洁的方式来引用已存在的方法或构造函数。这种特性是在Java 8中引入的&#xff0c;作为Lambda表达式的一个补充&#xff0c;旨在让代码更加简洁和易于理解。 方法引…
阅读更多...
解决html中文乱码问题

解决html中文乱码问题

在head上面添加 <% page contentType"text/html;charsetUTF-8" language"java" %>
阅读更多...
最新文章

Copyright @ 2022~2023