PyTorch의 QMNIST

커피 한잔 사주세요😄

*내 게시물은 QMNIST를 설명합니다.

QMNIST()는 아래와 같이 QMNIST 데이터세트를 사용할 수 있습니다.

*메모:

• 첫 번째 인수는 루트(필수 유형:str 또는 pathlib.Path)입니다. *절대경로, 상대경로 모두 가능합니다.
• 두 번째 인수는 what(Optional-Default:None-Type:str)입니다. *"train"(60,000개 이미지), "test"(60,000개 이미지), "test10k"(10,000개 이미지), "test50k"(50,000개 이미지) 또는 "nist"(402,953개 이미지)를 설정할 수 있습니다.
• 세 번째 인수는 compat(Optional-Default:True-Type:bool)입니다. *True이면 각 이미지의 클래스 번호가 반환되고(MNIST 데이터로더와의 호환성을 위해) False이면 전체 qmnist 정보의 1D 텐서가 반환됩니다.
• 네 번째 인수는 기차 인수(Optional-Default:True-Type:bool)입니다. *메모:
  • None이 아니면 무시됩니다.
  • True일 경우 학습 데이터(60,000개 이미지)를 사용하고, False일 경우 테스트 데이터(60,000개 이미지)를 사용합니다.
• Transform 인수(Optional-Default:None-Type:callable)가 있습니다. *transform=을 사용해야 합니다.
• target_transform 인수(Optional-Default:None-Type:callable)가 있습니다. *target_transform=을 반드시 사용해야 합니다.
• 다운로드 인수가 있습니다(Optional-Default:False-Type:bool): *메모:
  • 다운로드= 반드시 사용해야 합니다.
  • True인 경우 데이터 세트가 인터넷에서 다운로드되어 루트에 추출(압축 해제)됩니다.
  • True이고 데이터세트가 이미 다운로드된 경우 추출됩니다.
  • True이고 데이터 세트가 이미 다운로드되어 추출된 경우 아무 일도 일어나지 않습니다.
  • 데이터 세트가 이미 다운로드되어 추출된 경우 더 빠르므로 False여야 합니다.
  • 여기에서 데이터 세트를 수동으로 다운로드하고 추출할 수 있습니다. 데이터/QMNIST/raw/.

from torchvision.datasets import QMNIST

train_data = QMNIST(
    root="data"
)

train_data = QMNIST(
    root="data",
    what=None,
    compat=True,
    train=True,
    transform=None,
    target_transform=None,
    download=False
)

train_data = QMNIST(
    root="data",
    what="train",
    train=False
)

test_data1 = QMNIST(
    root="data",
    train=False
)

test_data1 = QMNIST(
    root="data",
    what="test",
    train=True
)

test_data2 = QMNIST(
    root="data",
    what="test10k"
)

test_data3 = QMNIST(
    root="data",
    what="test50k",
    compat=False
)

nist_data = QMNIST(
    root="data",
    what="nist"
)

l = len
l(train_data), l(test_data1), l(test_data2), l(test_data3), l(nist_data)
# (60000, 60000, 10000, 50000, 402953)

train_data
# Dataset QMNIST
#     Number of datapoints: 60000
#     Root location: data
#     Split: train

train_data.root
# 'data'

train_data.what
# 'train'

train_data.compat
# True

train_data.train
# True

print(train_data.transform)
# None

print(train_data.target_transform)
# None

train_data.download
# <bound method qmnist.download of dataset qmnist number datapoints: root location: data split: train>

train_data[0]
# (<pil.image.image image mode="L" size="28x28">, 5)

test_data3[0]
# (<pil.image.image image mode="L" size="28x28">,
#  tensor([3, 4, 2424, 51, 33, 261051, 0, 0]))

train_data[1]
# (<pil.image.image image mode="L" size="28x28">, 0)

test_data3[1]
# (<pil.image.image image mode="L" size="28x28">,
#  tensor([8, 1, 522, 60, 38, 55979, 0, 0]))

train_data[2]
# (<pil.image.image image mode="L" size="28x28">, 4)

test_data3[2]
# (<pil.image.image image mode="L" size="28x28">,
#  tensor([9, 4, 2496, 115, 39, 269531, 0, 0]))

train_data[3]
# (<pil.image.image image mode="L" size="28x28">, 1)

test_data3[3]
# (<pil.image.image image mode="L" size="28x28">,
#  tensor([5, 4, 2427, 77, 35, 261428, 0, 0]))

train_data[4]
# (<pil.image.image image mode="L" size="28x28">, 9)

test_data3[4]
# (<pil.image.image image mode="L" size="28x28">,
#  tensor([7, 4, 2524, 69, 37, 272828, 0, 0]))

train_data.classes
# ['0 - zero', '1 - one', '2 - two', '3 - three', '4 - four',
#  '5 - five', '6 - six', '7 - seven', '8 - eight', '9 - nine']
</pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></bound>

from torchvision.datasets import QMNIST

train_data = QMNIST(
    root="data",
    what="train"
)

test_data1 = QMNIST(
    root="data",
    what="test"
)

test_data2 = QMNIST(
    root="data",
    what="test10k"
)

test_data3 = QMNIST(
    root="data",
    what="test50k"
)

nist_data = QMNIST(
    root="data",
    what="nist"
)

import matplotlib.pyplot as plt

def show_images(data):
    plt.figure(figsize=(12, 2))
    col = 5
    for i, (image, label) in enumerate(data, 1):
        plt.subplot(1, col, i)
        plt.title(label)
        plt.imshow(image)
        if i == col:
            break
    plt.show()

show_images(data=train_data)
show_images(data=test_data1)
show_images(data=test_data2)
show_images(data=test_data3)
show_images(data=nist_data)

위 내용은 PyTorch의 QMNIST의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!