transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root = 'CIFAR10', train = True,
download = True, transform = transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size = 4,
shuffle = True, num_workers = 2)
#batch_size是每个分组的图片数量
testset = torchvision.datasets.CIFAR10(root = 'CIFAR10', train = False,
download = True, transform = transform)
testloader = torch.utils.data.DataLoader(testset, batch_size = 4,
shuffle = False, num_workers = 2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog',
数据集处理—CIFAR10
最新推荐文章于 2024-08-01 14:05:32 发布
这篇博客主要介绍了CIFAR10数据集,其中trainset包含了所有测试样本,每个样本由一个3通道32x32像素的tensor和对应的分类标签(0-9)组成。testloader是一个可迭代的对象,包含4个图片的数据,包括四维tensor用于存储4张图片的像素值和一维tensor用于存储对应的标签。博客还提到了如何具体使用这些数据。
摘要由CSDN通过智能技术生成