在訓練圖像分類的時候，我們通常會使用CIFAR10數據集，今天就先寫一下如何展示數據集的圖片及預處理。

第一部分代碼，展示原始圖像：

import numpy as npimport torch#導入內置cifarfrom torchvision.datasets import cifar#預處理模塊import torchvision.transforms as transformsfrom torch.utils.data import DataLoaderimport matplotlib.pyplot as pltclasses = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')#Compose將一些轉換函數組合在一起#ToTensor，原始數據是numpy，現在改成Tensor。會將數據從[0,255]歸一化到[0,1] 除以255transforms=transforms.Compose([transforms.ToTensor()])trainData=cifar.CIFAR10('./picdata',train=True,transform=transforms,download=True)testData=cifar.CIFAR10('./picdata',train=False,transform=transforms)x=0for images, labels in trainData: plt.subplot(3,3,x+1) plt.tight_layout() images = images.numpy().transpose(1, 2, 0) # 把channel那一維放到最后 plt.title(str(classes[labels])) plt.imshow(images) plt.xticks([]) plt.yticks([]) x+=1 if x==9: breakplt.show()

圖片展示如下：

第二部分代碼，灰度化圖片：

import numpy as npimport torch#導入內置cifarfrom torchvision.datasets import cifar#預處理模塊import torchvision.transforms as transformsfrom torch.utils.data import DataLoaderimport matplotlib.pyplot as pltclasses = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')#Compose將一些轉換函數組合在一起#ToTensor，原始數據是numpy，現在改成Tensor。會將數據從[0,255]歸一化到[0,1] 除以255#Normalize則是將數據按照通道進行標準化，(輸入[通道]-均值[通道])/標準差[通道]，將數據歸一化到[-1,1]#如果數據在[0,1]之間，則實際的偏移量bias會很大。而一般模型初始化的時候，bias=0，這樣收斂的就會慢。經過Normalize后加快收斂速度#后面兩個0.5就是制定mean和std，原來[0,1]變成：(0-0.5)/0.5=-1，(1-0.5)/0.5=1。本例是要灰度化，就一個通道，如果是三通道RGB，則應該為[0.5,0.5,0.5] ,transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])transforms=transforms.Compose([transforms.ToTensor(),transforms.Normalize([0.5],[0.5])])trainData=cifar.CIFAR10('./picdata',train=True,transform=transforms,download=True)testData=cifar.CIFAR10('./picdata',train=False,transform=transforms)#shuffle隨機打亂trainLoader=DataLoader(trainData,batch_size=64,shuffle=False)testLoader=DataLoader(testData,batch_size=128,shuffle=False)#enumerate組合成一個索引序列，同時列出數據下標和數據examples=enumerate(trainLoader)batchIndex,(imgData,labels)=next(examples)fig=plt.figure()for i in range(9): plt.subplot(3,3,i+1) plt.tight_layout() plt.imshow(imgData[i][0],cmap='gray',interpolation='none') plt.title("{}".format(classes[labels[i]])) plt.xticks([]) plt.yticks([])plt.show()

圖片展示如下：

總結

以上是生活随笔為你收集整理的camvid数据集使用方法_使用PyTorch处理CIFAR10数据集并显示的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。