PyTorch 中的 CIFAR

请我喝杯咖啡☕

*我的帖子解释了 CIFAR-100。

CIFAR100()可以使用CIFAR-100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(可选-默认:False-类型: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-100-python.tar.gz）到data/cifar-100-python/。

from torchvision.datasets import CIFAR100

train_data = CIFAR100(
    root="data"
)

train_data = CIFAR100(
    root="data",
    train=True,
    transform=None,
    target_transform=None,
    download=False
)

test_data = CIFAR100(
    root="data",
    train=False
)

len(train_data), len(test_data)
# (50000, 10000)

train_data
# Dataset CIFAR100
#     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 cifar100 number datapoints: root location: data split: train>

len(train_data.classes), train_data.classes
# (100,
#  ['apple', 'aquarium_fish', 'baby', 'bear', 'beaver', 'bed',
#   'bicycle', 'bottle', 'bowl', ..., 'wolf', 'woman', 'worm']

train_data[0]
# (<pil.image.image image mode="RGB" size="32x32">, 19)

train_data[1]
# (<pil.image.image image mode="RGB" size="32x32">, 29)

train_data[2]
# (<pil.image.image image mode="RGB" size="32x32">, 0)

train_data[3]
# (<pil.image.image image mode="RGB" size="32x32">, 11)

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")
</pil.image.image></pil.image.image></pil.image.image></pil.image.image></pil.image.image></bound>

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