PyTorch-torchvision

这篇具有很好参考价值的文章主要介绍了PyTorch-torchvision。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 以Torchvision中的CIFAR10为例

PyTorch-torchvision

dataset.py

Ps:如果是从其他地方下载的gz文件,直接建立一个dataset文件夹然后将gz文件放进去,再运行。 

import torchvision

train_set = torchvision.datasets.CIFAR10(root="./dataset", train=True, download=True)
test_set = torchvision.datasets.CIFAR10(root='./dataset', train=False, download=True)
img, target = test_set[0]
print(img, target)
print(test_set.classes[target])
img.show()

result:

<PIL.Image.Image image mode=RGB size=32x32 at 0x1F9FA5D3E50> 3
cat

PyTorch-torchvision

2. 加入transforms

dataset.py

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])
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)
print(test_set[0])
writer = SummaryWriter('cifa10')
for i in range(10):
    img, target = test_set[i]
    writer.add_image('test_set', img, i)
writer.close()

result:

(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)

Process finished with exit code 0

PyTorch-torchvision PyTorch-torchvision文章来源地址https://www.toymoban.com/news/detail-460182.html

到了这里,关于PyTorch-torchvision的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【深入了解PyTorch】PyTorch的优势

    深度学习框架在机器学习和深度学习领域中扮演着关键角色,而PyTorch作为一种强大而灵活的深度学习框架,具备与其他流行框架相比的独特优势。然而,PyTorch在几个方面具备明显的优势: 动态计算图 PyTorch采用了一种动态计算图的方式,这意味着计算图是根据代码的执行过

    2024年02月16日
    浏览(45)
  • pytorch工具——pytorch中的autograd

    注意

    2024年02月15日
    浏览(32)
  • Pytorch实现GCN(基于PyTorch实现)

    2023年04月20日
    浏览(43)
  • 【深入了解PyTorch】PyTorch生态系统概述

    PyTorch是一个开源的深度学习框架,被广泛应用于研究和工业界的实际应用中。PyTorch生态系统提供了许多有用的工具和库,用于简化和加速深度学习任务的开发过程。本文将介绍PyTorch生态系统中的一些重要组成部分,包括TorchVision、TorchText、TorchAudio等,并讨论如何将它们与

    2024年02月16日
    浏览(34)
  • 【pytorch】使用pytorch自己实现LayerNorm

    pytorch中使用LayerNorm的两种方式,一个是 nn.LayerNorm ,另外一个是 nn.functional.layer_norm 根据官方网站上的介绍,LayerNorm计算公式如下。 公式其实也同BatchNorm,只是计算的维度不同。 下面通过实例来走一遍公式 假设有如下的数据 先计算mean和variant 均值: 方差 再执行 (x-mean)/sqrt(va

    2024年02月10日
    浏览(47)
  • Pytorch实现EdgeCNN(基于PyTorch实现)

    2024年02月02日
    浏览(36)
  • Pytorch实现MLP(基于PyTorch实现)

    2024年01月10日
    浏览(42)
  • PyTorch深度学习实战(2)——PyTorch基础

    PyTorch 是广泛应用于机器学习领域中的强大开源框架,因其易用性和高效性备受青睐。在本节中,将介绍使用 PyTorch 构建神经网络的基础知识。首先了解 PyTorch 的核心数据类型——张量对象。然后,我们将深入研究用于张量对象的各种操作。 PyTorch 提供了许多帮助构建神经网

    2024年02月09日
    浏览(41)
  • 【PyTorch】PyTorch之Tensors操作篇

    介绍Tensor的相关操作API。 * torch.tensor(data, , dtype=None, device=None, requires_grad=False, pin_memory=False) → Tensor Parameters: data (array_like) – Initial data for the tensor. Can be a list, tuple, NumPy ndarray, scalar, and other types. Keyword Arguments dtype (torch.dtype, optional) – the desired data type of returned tensor. Default:

    2024年01月22日
    浏览(39)
  • 【Pytorch学习】pytorch中的isinstance() 函数

    描述 isinstance() 函数来判断一个对象是否是一个已知的类型,类似 type()。 isinstance() 与 type() 区别: type() 不会认为子类是一种父类类型,不考虑继承关系。 isinstance() 会认为子类是一种父类类型,考虑继承关系。 如果要判断两个类型是否相同推荐使用 isinstance()。 语法 以下是

    2024年02月15日
    浏览(33)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包