Hello! 欢迎来到小浪资源网！

PyTorch 中的 CIFAR

小浪博主 2024-12-13 22

请我喝杯咖啡☕

*我的帖子解释了 cif ar-10。

cifar10()可以使用cifar-10数据集，如下所示：

*备忘录：

第一个参数是 root（必需类型：str 或 path lib.path）。 *绝对或相对路径都是可能的。
第二个参数是 train(optional-default:true-type:bool)。 *如果为 true，则使用训练数据（50,000 张图像），如果为 false，则使用测试数据（10,000 张图像）。
第三个参数是transform(optional-default:none-type:callable)。
第四个参数是 target_transform(optional-default:none-type:callable)。
第五个参数是 download(optional-default:false-type:bool): *备注：
- 如果为 true，则从互联网下载数据集并解压（解压）到根目录。
- 如果为 true 并且数据集已下载，则将其提取。
- 如果为 true 并且数据集已下载并提取，则不会发生任何事情。
- 如果数据集已经下载并提取，则应该为 false，因为它速度更快。
- 您可以从这里手动下载并提取数据集（cifar-10-python.tar.gz）到data/cifar-10-batches-py/。

from torchvision.datasets import CIFAR10  train_data = CIFAR10(     root="data" )  train_data = CIFAR10(     root="data",     train=True,     transform=None,     target_transform=None,     download=False )  test_data = CIFAR10(     root="data",     train=False )  len(train_data), len(test_data) # (50000, 10000)  train_data # Dataset CIFAR10 #     Number of datapoints: 50000 #     Root location: data #     Split: Train  train_data.root # 'data'  train_data.train # True  print(train_data.transform) # None  print(train_data.target_transform) # None  train_data.download # bound method CIFAR10.download of Dataset CIFAR10 #     Number of datapoints: 50000 #     Root location: data #     Split: Train>  len(train_data.classes) # 10  train_data.classes # ['airplane', 'automobile', 'bird', 'cat', 'deer', #  'dog', 'frog', 'horse', 'ship', 'truck']  train_data[0] # (<PIL.Image.Image image mode=RGB size=32x32>, 6)  train_data[1] # (<PIL.Image.Image image mode=RGB size=32x32>, 9)  train_data[2] # (<PIL.Image.Image image mode=RGB size=32x32>, 9)  train_data[3] # (<PIL.Image.Image image mode=RGB size=32x32>, 4)  train_data[4] # (<PIL.Image.Image image mode=RGB size=32x32>, 1)  import matplotlib.pyplot as plt  def show_images(data, main_title=None):     plt.figure(figsize=(10, 5))     plt.suptitle(t=main_title, y=1.0, fontsize=14)     for i, (im, lab) in enumerate(data, start=1):         plt.subplot(2, 5, i)         plt.title(label=lab)         plt.imshow(X=im)         if i == 10:             break     plt.tight_layout()     plt.show()  show_images(data=train_data, main_title="train_data") show_images(data=test_data, main_title="test_data")

PyTorch 中的 CIFAR