"""
将cifar10的data_batch_12345 转换成 png格式的图片
每个类别单独存放在一个文件夹,文件夹名称为0-9
"""
from imageio import imwrite
import numpy as np
import os
import pickle
base_dir = r"C:\Users\13004\Desktop\课程\研究生课程\PyTorch_Tutorial-master\PyTorch_Tutorial-master" #修改为当前Data 目录所在的绝对路径
data_dir = os.path.join(base_dir, "Data", "cifar-10-batches-py")
train_o_dir = os.path.join( base_dir, "Data", "cifar-10-png", "raw_train")
test_o_dir = os.path.join( base_dir, "Data", "cifar-10-png", "raw_test")
Train = False # 不解压训练集,仅解压测试集
# 解压缩,返回解压后的字典
def unpickle(file):
with open(file, 'rb') as fo:
dict_ = pickle.load(fo, encoding='bytes')
return dict_
def my_mkdir(my_dir):
if not os.path.isdir(my_dir):
os.makedirs(my_dir)
# 生成训练集图片,
if __name__ == '__main__':
if
Pytorch模型训练实用教程-代码解读(1)
于 2022-10-18 21:37:47 首次发布
本文是PyTorch模型训练教程的一部分,讲解了pickle模块的使用,包括pickle.dump()和pickle.load(),以及在Python中如何检查并创建目录。此外,还探讨了`if __name__ == '__main__'`的作用,它用于控制脚本直接执行与import时的代码执行。在PyCharm中,通过快捷键进行函数代码定位的方法也被介绍。最后,提到了imageio库中的imwrite函数与opencv的区别,并简单介绍了CIFAR-10数据集。
摘要由CSDN通过智能技术生成