CIFAR10数据集实战-数据读取部分（上）
CIFAR10数据集实战-数据读取部分（上）
用户6719124
发布于 2019-12-19 10:17:10
发布于 2019-12-19 10:17:10
文章被收录于专栏：python pytorch AI机器学习实践
本节课主要介绍CIFAR10数据集
登录http://www.cs.toronto.edu/~kriz/cifar.html网站，可以自行下载数据集。
打开页面后
前讲的MNIST数据集为0~9的数字识别，而这里的为10类物品识别。由上可见物品包含有飞机、汽车、鸟、猫等。照片大小为32*32的彩色图片。每一个类别大概有6000张照片，其中随机筛选出5000作为学习，余下的1000用于测试。
首先在pycharm软件中新建文件夹，并创建main.py文件。
首先引入一部分相关的工具包
import torch
from torchvision import datasets
# 引入pytorch、datasets工具包定义main函数
def main():
if __name__ == '__main__':
main()下面开始在里面写入代码
首先开始加载数据集
def main():
cifar_train = datasets.CIFAR10('cifar', train=True, transform=transforms.Compose([
transforms.Resize((32, 32)),继续
在前面引入工具包处加入代码
from torchvision import transforms
# 引入数据变换工具包继续定义数据集代码
def main():
cifar_train = datasets.CIFAR10('cifar', train=True, transform=transforms.Compose([
transforms.Resize((32, 32)),
# .Compose相当于一个数据转换的集合
# 进行数据转换，首先将图片统一为32*32
transforms.ToTensor()
# 将数据转化到Tensor中
]))
# 直接在datasets中导入CIFAR10数据集，放在"cifar"文件夹中这里暂时不写Normalize函数
写到这里别忘了让pytorch自己下载数据集
在代码后面加入download=True即可实现
]), download=True)Cifar_train 的代码部分已经写好
写到这里要注意这里只是建立了一次加载一张的代码
若想一次性加载一批，则要利用其多线程的特性
继续在引入工具包部分加入相关工具包
from torch.utils.data import DataLoader
# 多线程数据读取继续书写数据读取部分代码
按照其提示，写入相关参数
cifar_train = DataLoader(cifar_train, batch_size=batchsz, ) # 按照其要求，这里的参数需要有batch_size, # 在该部分代码前面定义batch_size
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2019-12-06，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 python pytorch AI机器学习实践 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读
腾讯云开发者
