实战加载本地MNIST数据集(NPZ格式)

1、MNIST数据集下载( 提取码: MN4S)

下载

2、加载数据

import numpy as np

#加载数据
data= np.load('MNIST_data/mnist.npz', allow_pickle=True)
x_train, y_train = data['x_train'], data['y_train']
x_test, y_test = data['x_test'], data['y_test']

#打印形状
print(x_train.shape)
print(y_train.shape)
print(x_test.shape)
print(y_test.shape)

打印结果:

(60000, 28, 28)
(60000,)
(10000, 28, 28)
(10000,)

以上代码使用了NumPy库中的np.load函数,它可以从一个保存了NumPy数组的文件中加载数据。具体来说,np.load函数的第一个参数是文件名,allow_pickle=True表示可以加载序列化的数据。

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
加载本地的MNIST数据集,可以使用PyTorch提供的数据加载类和函数。其中有两种方法可以实现。 第一种方法是通过重写load mnist的类来本地加载MNIST数据集。你可以创建一个自定义的数据集类,并将数据集文件的路径传递给这个类以加载数据。例如,你可以使用以下代码加载训练数据和测试数据: ```python train_data = LocalDataset(root='train.txt') test_data = LocalDataset(root='test.txt') ``` 这样就可以通过自定义的数据集类`LocalDataset`来从本地加载MNIST数据集。 第二种方法是使用torchvision.datasets.MNIST中的`download=False`参数来加载本地的MNIST数据集。首先,你需要在本地下载并解压MNIST数据集文件。然后,你可以使用以下代码加载数据集: ```python root = '你的MNIST的位置' train_loader = torch.utils.data.DataLoader( datasets.MNIST(root, train=True, download=False, transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ])) ) ``` 在这个例子中,你需要将`root`参数设置为存放MNIST数据集的文件夹的路径。然后,将`download`参数设置为`False`以告诉PyTorch不要再次下载数据集。接下来,你可以使用`DataLoader`类来创建一个用于训练的数据加载器。 无论你选择哪种方法,都可以实现从本地加载MNIST数据集的功能。这样你就可以在PyTorch中使用本地的MNIST数据集进行训练。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [PyTorch快速上手篇一 本地加载MNIST数据集进行单机训练](https://blog.csdn.net/Zhaopanp_Crise/article/details/100023686)[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%"] - *2* [MNIST官方数据集,torchvision加载亲测可用](https://download.csdn.net/download/a_piece_of_ppx/20432648)[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
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

打赏作者

缘起性空、

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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