Pytorch如何实现数据集的下载以及将图片类型转换成tensor类型

1.首先建立数据集；包括：训练集、测试集；设置相关参数

import torchvision
from torch.utils.tensorboard import SummaryWriter


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

train_set代表训练集，test_set代表测试集；CIFAR10数据集可以在pytorch网站下载；

root参数代表数据集保存地址；train的参数：为True代表训练集，False代表测试集

transform参数：使用dataset_transform将图片转换为tensor类型

2.将图片从PIL类型转换为tensor类型：dataset_transform

# 将图片类型转换为tensor类型
dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()  

])

3.建立日志文件，保存到logs文件中，用于TensorBoard可视化展示

writer = SummaryWriter("logs") 
# 显示测试集中的前10张图片
for i in range(10):
    img, target = test_set[i]
    writer.add_image("test_set", img, i)  # TensorBoard展示，step设置为i

writer.close()

4.TensorBoard可视化展示，使用终端命令:tensorboard --logdir="logs" 打开TensorBoard可视化网页界面，其中logs代表生成的日志文件