Pytorch学习 day06（torchvision中的datasets、dataloader）

torchvision的datasets

• 使用torchvision提供的数据集API，比较方便，
• 如果在pycharm中下载很慢，可以URL链接到迅雷中进行下载（有些URL链接在源码里）
• 用来告诉程序，数据集存储的位置，共有多少样本等
• 代码如下：

import torchvision  # 导入 torchvision 库
# 使用torchvision的datasets模块，模块中包含CIFAR10、CIFAR100、ImageNet、COCO等数据集
train_set = torchvision.datasets.CIFAR10("./Dataset", train = True, download = True)    # root 表示数据集的存储路径，train 表示是否是训练集，download 表示是否需要下载
test_set = torchvision.datasets.CIFAR10("./Dataset", train = False, download = True)

• CIFAR10数据集的每个样本会输出一个元组，第一个元素是PIL格式的图片，第二个元素是该样本的标签，即class，代码如下：

import torchvision  # 导入 torchvision 库
# 使用torchvision的datasets模块，模块中包含CIFAR10、CIFAR100、ImageNet、COCO等数据集
train_set = torchvision.datasets.CIFAR10("./Dataset", train = True, download = True)    # root 表示数据集的存储路径，train 表示是否是训练集，download 表示是否需要下载
test_set = torchvision.datasets.CIFAR10("./Dataset", train = False, download = True)


print(train_set[0])  # 输出训练集的第一个样本 ，输出为一个元组，第一个元素为PIL格式图片，第二个元素为标签，标签表示图片的类别，即class
print(train_set.classes) # 输出数据集的类别，即class
im