【Pytorch】数据集的加载和处理（二）_本关要求掌握 pytorch 中加载和处理数据的方法。 本关任务:本关要求下载训练集 mn

【Pytorch】数据集的加载和处理（一）

Pytorch中张量可以是一维、二维、三维或者更高维度的数据结构。一维张量类似于向量，二维张量类似于矩阵，三维张量类似一系列矩阵的堆叠。

目录

将张量包装为数据集

创建数据加载器

数据转换(图像转换)

将张量包装为数据集

导入MNIST训练数据集并提取数据和标签

import torchimport torchvisionfrom torchvision import datasetstrain_data=datasets.MNIST(\"./data\",train=True,download=True)x_train, y_train=train_data.data,train_data.targets

导入MNIST验证数据集并提取数据和标签

val_data=datasets.MNIST(\"./data\", train=False, download=True)x_val,y_val=val_data.data, val_data.targets

 使用 TensorDataset类将张量包装为数据集

from torch.utils.data import TensorDatasettrain_ds = TensorDataset(x_train, y_train)val_ds = TensorDataset(x_val, y_val)for x,y in train_ds: print(x.shape,y.item()) break

创建数据加载器

通过DataLoader从数据集创建数据加载器

from torch.utils.data import DataLoadertrain_dl = DataLoader(train_ds, batch_size=100)val_dl = DataLoader(val_ds, batch_size=100)for xb,yb in train_dl: print(xb.shape) print(yb.shape) break

数据转换(图像转换)

通过 transform 类进行简单的图像转换

导入库和训练数据集 

import torchvisionimport matplotlib.pyplot as pltfrom torchvision import datasetsfrom torchvision import transformstrain_data=datasets.MNIST(\"./data\", train=True, download=True)

借助transform类定义旋转

data_transform = transforms.Compose([ transforms.RandomHorizontalFlip(p=1), transforms.RandomVerticalFlip(p=1), transforms.ToTensor(),])

对训练数据集中图像进行旋转并打印对比

img = train_data[5][0]img_tr=data_transform(img)img_tr_np=img_tr.numpy()plt.subplot(1,2,1)plt.imshow(img,cmap=\"gray\")plt.title(\"original\")plt.subplot(1,2,2)plt.imshow(img_tr_np[0],cmap=\"gray\");plt.title(\"transformed 180\")