pytorch中将下载数据集改为读取本地数据集（以CIFAR10为例）

高速下载数据集的方式：
参考这篇

第一种情况：
（将封装好的下载数据集的代码改成读取本地文件）
在使用Pytorch的时候，有时候需要在线下载数据集，因为在下载的过程中，封装好的代码，还要进行其他的操作(例如数据类型转换numpy->tensor)，但是有时候因为下载网站在国外，进度条一直显示0%,或者下载速度缓慢。
就像这样：

解决方法
1.先下载需要用到的数据集至本地文件夹（不需要解压）。
2.将数据集的路径复制到浏览器并打开
3.再将浏览器上的路径复制到class CIFAR10(VisionDataset)中的url中

注意：下面的filename也要修改成对应的文件名；将数据集路径直接复制到file：///后面也可以（要把“\”改成“/”）

然后就可以运行代码读取数据集了

第二种情况：
（直接写代码读取本地数据集）
解决方法：
1.下载数据集，并解压至本地文件夹。

2.使用Python3读取cifar-10中的数据。示例代码：

def load_file(filename):
    # filename表示需要读取文件的路径
    with open(filename,'rb') as fo:
        data = pickle.load(fo,encoding='latin1')   # bytes 官方的例程    latin1 读取数据
    return data

提示：上面的方法需要自己编写程序进行读取。需要时刻注意文件的路径。

3.上面的方法需要自己编写程序进行数据的读取，编写过程比较麻烦，而且容易出错。下面介绍使用Keras库中的cifar10.load_data()函数进行数据读取，直接可以读取出训练集和测试集。这里需要你首先安装tensorflow库和Keras库。
（1）将刚才下载的压缩文件直接复制，放到Keras库的数据集文件夹下，一般情况下在"C:\Users\用户名.keras\datasets" 下，如果有特殊情况读者可以自行寻找，然后将压缩文件粘贴到datasets文件夹下即可。
（2）修改文件名。将文件名由：cifar-10-python.tar.gz 改为：cifar-10-batches-py.tar.gz点击保存即可。示例：
（3）修改好文件名之后，直接退出，使用Python代码直接读取数据。示例：

from keras.datasets import cifar10  # 读取数据集
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

提示：当上面程序运行时，会自动将压缩包进行解压操作，无需自己手动进行解压。

至此，当数据解压完成之后，就可以使用Keras库内置的函数进行读取数据了。