Pytorch学习笔记:torchvision.datasets..CIFAR10()

云溪福所依

已于 2024-11-18 10:30:39 修改

阅读量490

点赞数 3

文章标签： pytorch 学习笔记

于 2024-11-18 10:26:59 首次发布

本文链接：https://blog.csdn.net/m0_61384227/article/details/143846464

版权

torchvision.datasets.CIFAR10()是PyTorch中用于加载CIFAR-10数据集的函数，该数据集包含60000张32x32的彩色图像，分为10个类别，每个类别有6000张图像。其中50000张图像用于训练，10000张图像用于测试。下面是torchvision.datasets.CIFAR10()函数中各个参数的详细介绍：

root（字符串类型）：
- 作用：指定数据集下载后存放的本地路径。
- 示例：root='./data'，表示数据集将被下载并存储在当前目录下的data文件夹中。
train（布尔类型）：
- 作用：指定是否加载训练集。
- 取值：True表示加载训练集，False表示加载测试集。
- 示例：train=True，表示加载CIFAR-10的训练集。
transform（可选，函数类型）：
- 作用：指定对数据集中的图像进行变换的函数或操作。
- 常见变换：包括转换为张量（ToTensor()）、归一化（Normalize()）、裁剪（RandomCrop()）等。
- 示例：transform=transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])，表示先将图像转换为张量，然后进行归一化处理。
target_transform（可选，函数类型）：
- 作用：指定对数据集中的标签进行变换的函数。
- 示例：通常较少使用，因为CIFAR-10的标签已经是整数形式，可以直接用于分类任务。
download（布尔类型）：
- 作用：指定是否从互联网上下载数据集。
- 取值：True表示如果数据集尚未下载，则从互联网下载；如果数据集已经下载，则不会重新下载。False表示不下载数据集。
- 示例：download=True，表示如果数据集尚未下载，则进行下载。

import torchvision.datasets as datasets
import torchvision.transforms as transforms

# 定义数据变换
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

# 加载训练集
trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

# 加载测试集
testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)