[深度学习]cifar10数据集使用方法

最新推荐文章于 2024-08-01 14:05:32 发布

Greyplayground

最新推荐文章于 2024-08-01 14:05:32 发布

阅读量977

点赞数 2

分类专栏：深度学习文章标签：神经网络深度学习

本文链接：https://blog.csdn.net/qq_33868661/article/details/113883726

版权

深度学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文档展示了如何下载并加载CIFAR10训练数据集，使用Python的pickle模块读取数据，并对数据进行初步解析。通过示例代码，解析了数据的结构，包括图像数据和对应的标签，并显示了一张具体图片，该图片被解析为一辆敞篷轿车。

摘要由CSDN通过智能技术生成

cifar10训练数据集下载

链接：https://pan.baidu.com/s/1Qlp2G5xlECM6dyvUivWnFg
提取码：s32t

import pickle
import numpy as np
import os

CIFAR_DIR = "./../cifar-10-batches-py"
print(os.listdir(CIFAR_DIR))

with open(os.path.join(CIFAR_DIR, "data_batch_1"), 'rb') as f:
    data = pickle.load(f, encoding='bytes')
    print(type(data))
    print(data.keys())
    print(type(data[b'data']))
    print(type(data[b'labels']))
    print(type(data[b'batch_label']))
    print(type(data[b'filenames']))
    print(data[b'data'].shape)
    print(data[b'data'][0:2])
    print(data[b'labels'][0:2])
    print(data[b'batch_label'])
    print(data[b'filenames'][0:2])

# 32 * 32 = 1024 * 3 = 3072
# RR-GG-BB = 3072

import matplotlib.pyplot as plt
from matplotlib.pyplot import imshow

image_arr = data[b'data'][100]
image_arr = image_arr.reshape((3, 32, 32)) # 32 32 3
image_arr = image_arr.transpose((1, 2, 0))
    
%matplotlib inline

imshow(image_arr)