3分钟解决pytorch自带fashion-mnist数据集下载过慢的问题

3分钟解决pytorch自带fashion-mnist数据集下载过慢的问题

1、运行如下命令(如果已经运行过命令即已经存在’/FashionMNIST/raw’目录结构的可直接跳至第2步)

import torch
import torchvision
import torchvision.transforms as transforms

train_set = torchvision.datasets.FashionMNIST(
    root='./data/FashionMNIST',
    train=True,
    download=True,
    transform=transforms.Compose([
        transforms.ToTensor()
    ])
)

2 、然后终止代码运行,并删除’./data/FashionMNIST/FashionMNIST/raw’下的所有文件(即清空raw文件夹)。

3、登陆gitee,fork ‘https://github.com/zalandoresearch/fashion-mnist’至本地仓库。

在这里插入图片描述
4、打开刚刚导入的仓库,并下载至本地(很快!gitee NB!)
在这里插入图片描述
5、把4个.gz文件复制到前面raw文件夹下
在这里插入图片描述

注:4个.gz文件在‘fashion-mnist/data/fashion’目录下
6、重新执行代码,大功告成!
在这里插入图片描述
此时代码只会解压而不会从指定url龟速下载咯!

  • 8
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Fashion-MNIST数据集是一个包含10个类别的图像数据集。这些类别分别是:t-shirt(T恤),trouser(牛仔裤),pullover(套衫),dress(裙子),coat(外套),sandal(凉鞋),shirt(衬衫),sneaker(运动鞋),bag(包),ankle boot(短靴)。 Fashion-MNIST数据集MNIST手写数据集不同,它提供了更加多样化的图像样本,为深度学习模型的训练和评估提供了更具挑战性的任务。可以通过torch.utils.data.DataLoader来读取Fashion-MNIST数据集中的小批量数据样本,该数据集也是torch.utils.data.Dataset的子类,因此可以直接传入DataLoader来创建一个数据加载器实例。 如果你想了解更多关于Fashion-MNIST数据集的内容,你可以参考相关的文档或教程,并且可以使用批量显示图像的方式来直观地了解数据集的内容。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【深度学习系列】——Fashion-MNIST数据集简介](https://blog.csdn.net/weixin_45666566/article/details/107812603)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [PyTorch深度学习(三):Fashion-MNIST 数据集介绍](https://blog.csdn.net/weixin_48261286/article/details/121195427)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值