【深度学习】Kaggle 上使用CIFAR10详解

最新推荐文章于 2025-02-12 19:33:06 发布

阳一子

最新推荐文章于 2025-02-12 19:33:06 发布

阅读量1.5k

点赞数 6

分类专栏：深度学习基础文章标签： kaggle 深度学习 deep learning

Phil Curiosity

本文链接：https://blog.csdn.net/qq_279033270/article/details/107721833

版权

深度学习基础专栏收录该内容

15 篇文章

订阅专栏

本文详细介绍了如何在Kaggle平台上使用PyTorch框架读取并处理CIFAR10数据集，从创建项目、加载数据集到编写代码，为读者提供了完整的实践指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、打开https://www.kaggle.com/ 选择Notebooks

2、第一次(无项目)选择1号框，新建项目；以有项目可点击2查看。

3、选择使用语言；选择文件类型；选择是否使用GPU或TPU加速(建议不选择，写好代码后进行选择)。选好后点击创建

4、在新页面的右上角选择添加数据；在选择数据框右上角输入CIFAR10进行搜索点击添加即可。

5、之后可点击右上角input文件夹进行查看数据集是否加载成功；复制文件路径。

6、编写读取CIFAR10数据代码

import torch
from torchvision import datasets, transforms
from torch.utils.data import DataLoader

class myTrain():
    def __init__(self):
        # 数据加载
        self.batch_size = 3000

        self.train_dataset = datasets.CIFAR10(root="../input/cifar10-python", train=True, download=True,transform=transforms.ToTensor())
        self.train_dataLoader = DataLoader(self.train_dataset, batch_size=self.batch_size, shuffle=True)
        
        self.test_dataset = datasets.CIFAR10(root="../input/cifar10-python", train=False, download=False,transform=transforms.ToTensor())
        self.test_dataLoader = DataLoader(self.test_dataset, batch_size=self.batch_size, shuffle=True)