PyTorch 中的 CIFAR

请我喝杯咖啡☕

*我的帖子解释了 cifar-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 pathlib.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")

以上就是PyTorch 中的 CIFAR的详细内容，更多请关注知识资源分享宝库其它相关文章！