CIFAR-10 dataset 的下载及恢复原图片

基本信息

CIFAR-10是一个包含60000张图片的数据集。其中每张照片为32*32的彩色照片，每个像素点包括RGB三个数值，数值范围为0~255。

这60000张图片分为十个类别"airplane", "automobile", "bird", "cat","deer", "dog", "horse", "ship", "truck"。其中前50000张为训练集，后10000张为测试集。

数据集下载

打开下面的链接进入官网下载

http://www.cs.toronto.edu/~kriz/cifar.html

选择python版本下载

 然后解压，得到文件如下：

 data_batch_1~data_batch_5是训练集数据，每个文件里有10000张图片，test_batch是测试集数据，也含有10000张图片。

转成图片

import numpy as np
import pickle
import imageio
import os


# 解压缩，返回解压后的字典
def unpickle(file):
    fo = open(file, 'rb')
    dict = pickle.load(fo, encoding='latin1')
    fo.close()
    return dict

list = ["airplane", "automobile", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck"]
for z in range(10):
    if os.path.exists('train/' + list[z]) == False:
        os.makedirs('train/' + list[z])
    if os.path.exists('val/' + list[z]) == False:
        os.makedirs('val/' + list[z])

# 生成训练集图片，如果需要png格式，只需要改图片后缀名即可。
for j in range(1, 6):
    dataName = "data_batch_" + str(j)
    # 读取当前目录下的data_batch12345文件，dataName其实也是data_batch文件的路径，本文和脚本文件在同一目录下。
    Xtr = unpickle(dataName)
    print(dataName + " is loading...")

    for i in range(0, 10000):
        img = np.reshape(Xtr['data'][i], (3, 32, 32))  # Xtr['data']为图片二进制数据
        img = img.transpose(1, 2, 0)  # 读取image
        picName = 'train/' + list[Xtr['labels'][i]] + '/' + str(i + (j - 1)*10000) + '.png'
        # Xtr['labels']为图片的标签，值范围0-9，本文中，train文件夹需要存在，并与脚本文件在同一目录下。
        imageio.imwrite(picName, img)
    print(dataName + " loaded.")
print("test_batch is loading...")

# 生成测试集图片
testXtr = unpickle("test_batch")
for i in range(0, 10000):
    img = np.reshape(testXtr['data'][i], (3, 32, 32))
    img = img.transpose(1, 2, 0)
    picName = 'val/' + list[testXtr['labels'][i]] + '/' + str(i) + '.png'
    imageio.imwrite(picName, img)
print("test_batch loaded.")

这些代码需要自己修改一下文件的路径，有8处

其实这些代码只是在前辈的基础上加了点东西，为了更好适应我自己学习的代码写的，运行完后得到的数据集是这样的。下图为train文件夹中的样子，每个文件中有5000张图片。val文件中的样子和这个一样，只是里边子文件的图片只有1000张而已。