pytorch实现数据集下载

最新推荐文章于 2024-06-18 16:23:10 发布

卡小葵

最新推荐文章于 2024-06-18 16:23:10 发布

阅读量1.9k

点赞数

分类专栏： pytorch 深度学习

本文链接：https://blog.csdn.net/kaxiaokui/article/details/104331225

版权

该博客介绍了如何在PyTorch中下载和加载常用数据集，如COCO、ImageNet、CIFAR和MNIST，并给出了使用AlexNet模型的例子。特别强调了torchvision.transform.Compose类在数据预处理中的作用，它作为一个容器，包含多种数据转换操作。

摘要由CSDN通过智能技术生成

常用数据集：COCO,ImageNet,CIFCAR,MNIST

def_train = datasets.MNIST(root="./data/",transform=transform,train =True,download=True)
def_test = datasets.MNIST(root="./data/",transform=transform,train =False)
#root 指定下载路径
# transform指定导入数据时对数据进行的变换操作
# train用于指定在数据集下载完成后载入哪部分数据 ，true是载入训练集，false是载入测试集

例子：AlexNet
pytorch 加载数据集部分

# 加载数据集 (训练集和测试集)
trainset = torchvision.datasets.CIFAR10(root='./Cifar-10', train=True, download=True, transform=transforms.Compose([
                                                                                             transforms.Resize(227),
                                                                                             transforms.ToTensor()]))
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batchSize, shuffle=True)
testset = torchvision.datasets.CIFAR10(ro