inferno Pytorch: inferno.io.box.cifar下载cifar10 cifar100数据集介绍及使用

最新推荐文章于 2024-09-07 20:23:41 发布

AsajuHuishi

最新推荐文章于 2024-09-07 20:23:41 发布

阅读量381

点赞数

分类专栏： # inferno 文章标签： inferno inferno Pytorch CIFAR CIFAR数据集下载 CIFAR10

本文链接：https://blog.csdn.net/qq_36937684/article/details/110141269

版权

inferno.io.box.cifar介绍及使用

inferno简介
inferno安装
inferno.io.box.cifar
- 源码
- 使用示例（可以直接运行）

inferno简介

Inferno是一个库，提供了围绕PyTorch的实用程序和方便的函数/类，为深度学习和实现神经网络提供便利。关于inferno的其他模块介绍：
inferno Pytorch: inferno.extensions.layers.convolutional 介绍及使用
 inferno Pytorch: inferno.io.box.cifar下载cifar10 cifar100数据集介绍及使用
 inferno Pytorch: inferno.io.transform 介绍及使用

inferno安装

pip install inferno-pytorch

inferno.io.box.cifar

inferno.io.box.cifar包含两个函数，分别用于下载cifar10和cifar100数据集(cifar数据集简单介绍)，只需要一行代码即可下载。

源码

函数入口如下：

def get_cifar10_loaders(root_directory, train_batch_size=128, test_batch_size=256,
                        download=False, augment=False, validation_dataset_size=None):

def get_cifar100_loaders(root_directory, train_batch_size=128, test_batch_size=100,
                         download=False, augment=False, validation_dataset_size=None):

返回的是一个DataLoader.
具体源码：

import os
import torch
import torchvision
import torchvision.transforms as transforms
from torch.utils.data.sampler import SubsetRandomSampler


def get_cifar10_loaders(root_directory, train_batch_size=128, test_batch_size=256,
                        download=False, augment=False, validation_dataset_size=None):
    # Data preparation for CIFAR10.
    if augment:
        transform_train = transforms.Compose([
            transforms.RandomCrop(32, padding=4),
            transforms.RandomHorizontalFlip(),
            transforms.ToTensor(),
            transforms.Normalize(mean=(0.4914, 0.4822, 0.4465), std=(0.247, 0.2435, 0.2616)),
        ])
        transform_test = transforms.Compose([
            transforms.ToTensor(),
            transforms.Normalize(mean=(0.4914, 0.4822, 0.4465), std=(0.247, 0.2435, 0.2616)),
        ])
    else:
        transform_train = transforms.Compose([
            transforms.ToTensor(),
            transforms.Normalize(mean=(0.4914, 0.4822, 0.4465