一、前置知識

如何查看torchvision的數據集

（1）打開官網 https://pytorch.org/

pytorch官網

（2）打開torchvision

在Docs下拉后選擇torchvision

（3）左側點擊Datasets

本次用的數據集是CIFAR10：

可以看到，要輸入的參數有：

root（字符串）：數據集的根目錄，其中存在 cifar-10-batches-py 目錄，如果設置 download 為 True，則數據集將保存在此目錄中。

train（bool，可選）：如果為 True，則從訓練集創建數據集，否則從測試集創建數據集。

transform（callable，可選）：接受 PIL 圖像并返回轉換后版本的函數/轉換。例如，transforms.RandomCrop。

target_transform（callable，可選）：接受目標并對其進行轉換的函數/轉換。

download（bool，可選）：如果為 True，則從互聯網下載數據集并將其放在根目錄中。如果數據集已經下載，則不會重新下載。

二、代碼（附注釋）及運行結果

import torchvision
from torch.utils.tensorboard import SummaryWriter# 定義導入數據時進行的變換
data_transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()
])# 創建訓練集和測試集
train_set = torchvision.datasets.CIFAR10("./dataset1", train=True, transform=data_transform, download=True)
test_set = torchvision.datasets.CIFAR10("./dataset1", train=False, transform=data_transform, download=True)# 打印test_set第一個數據
# 結果為：(<PIL.Image.Image image mode=RGB size=32x32 at 0x10C7177C190>, 3)
print(test_set[0])
# 打印test_set數據的類別
# 結果為：['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
print(test_set.classes)# 將test_set的第一個數據拆分為img和target
img, target = test_set[0]
# 打印test_set第一個數據的img
# 結果為<PIL.Image.Image image mode=RGB size=32x32 at 0x10C7177C190>
print(img)
# 打印test_set第一個數據的target，結果為3
print(target)
# 打印test_set第target個類別
print(test_set.classes[target])# 創建一個 TensorBoard 的 SummaryWriter 對象，用于記錄測試集中的圖像
writer = SummaryWriter("logs")
for i in range(10):img, target = test_set[i]writer.add_image("test_set", img, i)

運行結果：