PyTorch 中的 KMNIST

请我喝杯咖啡☕

*我的帖子解释了 KMNIST。

KMNIST() 可以使用 KMNIST 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（60,000 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。
  • 您可以从此处手动下载并提取数据集，例如数据/KMNIST/原始/。

from torchvision.datasets import KMNIST

train_data = KMNIST(
    root="data"
)

train_data = KMNIST(
    root="data",
    train=True,
    transform=None,
    target_transform=None,
    download=False
)

test_data = KMNIST(
    root="data",
    train=False
)

len(train_data), len(test_data)
# (60000, 10000)

train_data
# Dataset KMNIST
#     Number of datapoints: 60000
#     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 mnist.download of dataset kmnist number datapoints: root location: data split: train>

train_data[0]
# (<pil.image.image image mode="L" size="28x28">, 8)

train_data[1]
# (<pil.image.image image mode="L" size="28x28">, 7)

train_data[2]
# (<pil.image.image image mode="L" size="28x28">, 0)

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

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

train_data.classes
# ['o', 'ki', 'su', 'tsu', 'na', 'ha', 'ma', 'ya', 're', 'wo']
</pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></bound>

from torchvision.datasets import KMNIST

train_data = KMNIST(
    root="data",
    train=True
)

test_data = KMNIST(
    root="data",
    train=False
)

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_data)

以上是PyTorch 中的 KMNIST的详细内容。更多信息请关注PHP中文网其他相关文章！