PyTorch 数据集
在这一章中，我们将更多地关注 torchvision.datasets 及其各种类型。PyTorch包括以下数据集加载器：
MNIST
COCO（字幕和检测）
数据集包括以下两种主要类型的函数：
Transform - 一个接受图像并返回修改后的标准内容版本的函数。这些可以与转换一起组合使用。
Target_transform - 一个接受目标并进行转换的函数。例如，接收字幕字符串并返回单词索引的张量。
MNIST
以下是MNIST数据集的示例代码：
dset.MNIST(root, train = TRUE, transform = NONE,
target_transform = None, download = FALSE)
参数解释如下：
root − 数据集的根目录，其中存在处理后的数据。
train − True = 训练集，False = 测试集。
download − True = 从互联网下载数据集并放置在根目录下。
COCO
需要安装COCO API。以下示例用于展示使用PyTorch进行COCO数据集实现：
import torchvision.dataset as dset
import torchvision.transforms as transforms
cap = dset.CocoCaptions(root = ‘ dir where images are’,
annFile = ’json annotation file’,
transform = transforms.ToTensor())
print(‘Number of samples: ‘, len(cap))
print(target)
实现的输出如下 –
Number of samples: 82783
Image Size: (3L, 427L, 640L)
PyTorch 教程目录
PyTorch 简介
PyTorch 安装
PyTorch 神经网络的数学基本构建模块
PyTorch 神经网络基础
PyTorch 机器学习的通用工作流程
PyTorch 机器学习 vs. 深度学习
PyTorch 实现第一个神经网络
PyTorch 神经网络到功能块
PyTorch 术语
PyTorch 加载数据
PyTorch 线性回归
PyTorch 卷积神经网络
PyTorch 循环神经网络
PyTorch 数据集
PyTorch 卷积神经网络介绍
PyTorch 从头训练一个卷积神经网络
PyTorch 卷积神经网络中的特征提取
PyTorch 卷积神经网络的可视化
PyTorch 序列处理与卷积
PyTorch 词嵌入
PyTorch 递归神经网络