一、CIFAR-10数据集
是由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。CIFAR-10数据集包含60000幅32x32的彩色图像,分为10个类,每类6000幅图像。训练图像50000张,测试图像10000张。
数据集下载地址:
http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz
二、代码
1、设置transforms
dataset_transform = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
2、下载数据集,划分为训练集和测试集
如果数据集已经提前下载好download填False
train_set = torchvision.datasets.CIFAR10(root="./test10_dataset", train=True,transform=dataset_transform,download=True)
test_set = torchvision.datasets.CIFAR10(root="./test10_dataset",train=False,transform=dataset_transform,download=True)
3、实例化SummaryWriter,并指明日志存放路径
writer = SummaryWriter("CIFAR10")
4、使用循环添加图片
for i in range(10):
img, target = test_set[i]
writer.add_image("test_set", img, i)
# add_image加一张
# add_image加多张
5、关闭writer
writer.close()
6、在terminal中使用
tensorboard --logdir=CIFAR10
代码如下:
import torchvision
from torch.utils.tensorboard import SummaryWriter
dataset_transform = torchvision.transforms.Compose([
torchvision.transforms.ToTensor()
])
train_set = torchvision.datasets.CIFAR10(root="./test10_dataset", train=True, transform=dataset_transform, download=True)
test_set = torchvision.datasets.CIFAR10(root="./test10_dataset", train=False, transform=dataset_transform, download=True)
writer = SummaryWriter("p10")
for i in range(10):
img, target = test_set[i]
writer.add_image("test_set", img, i)
# add_image加一张
# add_image加多张
writer.close()
在terminal中使用:
tensorboard --logdir=CIFAR10
tensorboard :