一、下载torchvision中的数据集文件

这段代码是使用PyTorch的torchvision库来加载CIFAR-10数据集。

import torchvision
train_set = torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True)
test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

root指在什么位置，train的True表示创建一个训练集，为False表示创建一个测试集，download为True的话则是直接下载
./dataset表示的是相对路径，把数据保存进名为Dataset中

回车后得到:

复制蓝色的链接，还可以在迅雷中添加链接进行下载，这样子下载的速度可能相对较快。

在下载好了文件包，可以在pycharm文件中见到Dataset文件包

二、断点知识点

• 只要我们在代码行的最左侧点击一下鼠标左键，就完成设置断点

• 设置好断点后我们可以进入调试模式
• 调试模式不同于运行模式，如果进行代码运行那么断点就依然忽略不计
  鼠标右键点击一下，可以看到一只瓢虫，点击就是进行调试
  
• 调试的话就会将代码运行到断点就不运行了，同时在下面可以看到具体数据内容

调试的具体用法：

再来看看更重要的横排按钮：

1.跳转到当前断点(断点后你为了查看逻辑可能去了其他文件或行，点这个就能回到当前断点的行)
2.step over（F8快捷键）：在当前层代码单步执行。
3.step into（F7快捷键）：单步执行，但会进入子函数。如果一直按F7，则会一层层一直进入。
4.step into my code（Alt+Shift+F7快捷键）：单步执行，只进入自己代码的子函数，不会进入导入包的子函数。

三、数据集形式建立

import torchvision
from torch.utils.tensorboard import SummaryWriter

dataset_transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor(),

])
#root指在什么位置，train的True表示创建一个训练集，为False表示创建一个测试集
#download为True的话则是直接下载
#./dataset表示的是相对路径，把数据保存进去
#把转换成totensor格式的transform对每张照片进行处理
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)

#打印测试集中的第一个数据项
print(test_set[0])

#打印测试集中所有的类别名称
print(test_set.classes)

# 提取测试集中的第一个数据项，img是图像数据，target是图像对应的类别索引。
img, target = test_set[0]

# 打印提取出的图像数据。
print(img)
# 打印提取出的类别索引。
print(target)

运行结果：


最下面的 3 表示类名classes的第三项，也就是[‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’] 中列表的第三项 “cat”

四、展示数据集中的图片

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)

writer = SummaryWriter("p10")

# 循环遍历测试集中的前10张图像。
for i in range(10):
    # 提取图像和对应的标签。
    img, target = test_set[i]
    # 使用SummaryWriter的add_image方法将图像写入TensorBoard日志。
    # "test_set"是图像的标签，img是图像数据，i是图像的索引。
    writer.add_image("test_set",img,i)

writer.close()

在Terminal终端中输入：tensorboard --logdir="p10"
运行结果：