python 中 keras.datasets 加载cifar10数据集（本地导入）

已于 2022-04-20 10:01:54 修改
阅读量6k 收藏 13
点赞数 6
文章标签： python 机器学习 深度学习 keras
于 2022-04-08 07:45:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_54180801/article/details/124021869
版权

如果在python中无法加载的话，那只能本地导入cifar

首先先下载 cifar-10-python.tar.gz

再把cifar-10-python.tar.gz 放到本地文件夹中

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6JGx5ZKM6aaZ6I-c6YO954ix5ZCD,size_20,color_FFFFFF,t_70,g_se,x_16

这里我把cifar-10-python.tar.gz改成了cifar-10-batches-py.tar.gz,其实可以不改名，不影响的,但最好还是改一下名字！

搞完了这些后就可以去python中运行

from keras import datasets

(x_train,y_train),(x_test,y_test)

=keras.datasets.cifar10.load_data()

如果没成功，出现这样的情况话：

1664e1328f09438aacad50ae6b4137be.png

先关掉python,再打开运行一次python.

 

还报错的话！

请输入：

import tensorflow as tf(x_train,y_train),(x_test,y_test) =tf.keras.datasets.cifar10.load_data()

就ok了！

如果出现没有发现文件错误，如下图:

watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6JGx5ZKM6aaZ6I-c6YO954ix5ZCD,size_20,color_FFFFFF,t_70,g_se,x_16

把cifar-10-python.tar.gz删除，重新下载

 

 

 

 

 

 

葱和香菜都爱吃
关注
  • 6
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
tf.keras.datasets详解
qq_19069557的博客
11-10 1094
tf.keras.datasets详解
Tensorflow学习笔记：批量读取 CIFAR10数据集
AkashiLi的博客
07-14 617
本文重点介绍通过拆分原始数据集来加载和训练神经网络模型。当整个数据集对于本地RAM来说太大并且必须在使用“model.fit”训练模型之前拆分。
基于Keras搭建cifar10数据集训练预测Pipeline
周红伟讲AI
06-07 519
基于Keras搭建cifar10数据集训练预测Pipeline 钢笔先生关注 0.5412019.01.17 22:52:05字数 227阅读 500 Pipeline 本次训练模型的数据直接使用Keras.datasets.cifar10.load_data()得到，模型建立是通过Sequential搭建。 重点思考的内容是如何应用训练过的模型进行实际预测，里面牵涉到一些细节，需要注意。同时，Keras提供的ImageDataGenerator为模型训练时提供数据输入，之前有总结过这个类，并
【keras】cifar10.load_data()下载数据集失败解决办法
weixin_45589713的博客
05-22 5102
1、下载cifar10数据集代码 cifar10 = tf.keras.datasets.cifar10 (x_train, y_train), (x_test, y_test) = cifar10.load_data() # 可视化训练集输入特征的第一个元素 plt.imshow(x_train[0]) # 绘制图片 plt.show() 2、运行出现如下报错信息 Exception: URL fetch failure on https://www.cs.toronto.edu/~kriz/ci
【kears】keras中的常用包datasets、models、layers、optimizers
最新发布
qq_35559420的博客
04-10 1045
keras中的常用包datasets、models、layers、optimizers
tensorflow.keras.datasets.mnist加载的mnist数据集
04-14
通过tensorflow.keras.datasets.mnist.load_data()导入数据集时，由于需要google的服务器，国内无法访问资源。
cifar-10(keras数据集).zip
11-05
keras.datasets模块包含了从网络下载数据的功能，下载后的数据集保存于 ~/.keras/datasets/ 目录。因为这些数据集来源各有不同，有些需要翻墙才能访问。
Cifar10数据集的读取加载与训练测试
weixin_44356253的博客
08-09 1378
Cifar10 数据集的加载与训练测试
CIFAR10数据集的介绍和加载
weixin_43845922的博客
10-30 827
py
使用keras的cifar10.load_data()总是会自动下载问题的解决
qq_29566629的博客
08-18 2078
介绍 使用load_data()在下载cifar10数据集时，每次运行都会重新下载，很是烦人，解决方法如下，以linux为例： 在 Linux中，keras下载的模型和数据集都是存在一个文件夹中，～/.keras,也就是根目录下的.keras中，如下图： Linux中以.开始的文件都是隐藏文件，查看方法见我另一篇另一篇博客，这个目录下结构如下： 下载的cifar-10数据集如下： 原来下载的...
keras训练CIFAR10报错--ValueError: Error when checking target: expected dense_2 to have 2 dimensions
热门推荐
景唯acr
01-11 2万+
用keras训练CIFAR10时候，报以下错误： ValueError: Error when checking target: expected dense_2 to have 2dimensions, but got array with shape (10000, 1, 10) 将y的shape打印出来后发现： （前两行为原始的CIFAR10的尺寸，后两行为转为one-hot编码后的尺...
keras实现VGG16 CIFAR10数据集方式
09-16
主要介绍了keras实现VGG16 CIFAR10数据集方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
tf.keras.datasets数据源
08-02
boston_housing module: Boston housing price regression dataset. cifar10 module: CIFAR10 small images classification dataset. cifar100 module: CIFAR100 small images classification dataset. fashion_mnist module: Fashion-MNIST dataset. imdb module: IMDB sentiment classification dataset. mnist module: MNIST handwritten digits dataset. reuters module: Reuters topic classification dataset. import tensorflow as tf from tensorflow import keras fashion_mnist = keras.datasets.fashion_mnist (x_train, y_train), (x_test, y_test) = fashion_mnist.load_data() mnist = keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() cifar100 = keras.datasets.cifar100 (x_train, y_train), (x_test, y_test) = cifar100.load_data() cifar10 = keras.datasets.cifar10 (x_train, y_train), (x_test, y_test) = cifar10.load_data() imdb = keras.datasets.imdb (x_train, y_train), (x_test, y_test) = imdb.load_data() # word_index is a dictionary mapping words to an integer index word_index = imdb.get_word_index() # We reverse it, mapping integer indices to words reverse_word_index = dict([(value, key) for (key, value) in word_index.items()]) # We decode the review; note that our indices were offset by 3 # because 0, 1 and 2 are reserved indices for "padding", "start of sequence", and "unknown". decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in x_train[0]]) print(decoded_review) boston_housing = keras.datasets.boston_housing (x_train, y_train), (x_test, y_test) = boston_housing.load_data() reuters= keras.datasets.reuters (x_train, y_train), (x_test, y_test) = reuters.load_data() tf.keras.datasets.reuters.get_word_index( path='reuters_word_index.json' )
Keras下载的数据集以及预训练模型存储路径
martinkeith的博客
05-03 779
转载：https://blog.csdn.net/xiaohuihui1994/article/details/83340080 Keras下载的数据集在以下目录中： root\\.keras\datasets Keras下载的预训练模型在以下目录中： root\\.keras\models 在win10系统来说,用户主目录是：C:\Users\user_name,一般化user_n...
加载keras内置dataset在线下载出错——使用下载好的数据集
ftfy123的博客
04-05 2662
1、原因分析： keras中cifar10.py模块的load_data（），其中的path = get_file(dirname, origin=origin, untar=True)将从默认的 C:\Users\sunxu\.keras\datasets路径下返回数据集路径，如果该路径下有cifar-10-batches-py.tar.gz文件则不用从网上在线下载，否则将会联网下载（可能下...
Keras学习（三）-Cifar10数据处理（卷积神经网络形式）
宋建国的博客
04-18 851
1.导入运行库 from keras.datasets import cifar10 import numpy as np np.random.seed(10) 2.数据预处理 #读入数据 (x_img_train,y_label_train),(x_img_test,y_label_test)=cifar10.load_data() #显示训练集测试集的形状 print("train dat...
本地加载cifar10数据集pytorch
m0_63042507的博客
10-12 279
可将数据集放在当前项目的“F:/PU_prior/data/CIFAR10/” 目录下。之前一直都不懂如何本地加载cifar10的数据集，联网下载太慢了。# 本地加载CIFAR10数据集。即可得到训练集与测试集。
针对cifar-10训练数据集的数据增强操作（附代码）
G果的博客
08-29 6437
在深度学习中，扩充数据集也叫数据增强（Data Augmentation） 数据增强主要有两种方法 离线扩充：从根本上上对数据集进行扩充，与执行代码分开操作 在线增强：在小批量数据集进入训练模型之前，进行图像变换操作，与执行代码同时操作 离线扩充的完整代码 import tensorflow as tf from keras import datasets from keras.preprocessing import image import matplotlib.pyplot as plt impo
PyTorch基础之数据模块Dataset、DataLoader用法详解（附源码）
showswoller的博客
04-29 5894
PyTorch基础之数据模块Dataset、DataLoader用法详解（附源码）
cifar10数据集分类 python
05-21
CIFAR-10是一个包含60000张32x32像素的彩色图片的数据集。这些图片包含了10个不同的类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。 下面是使用Python进行CIFAR-10数据集分类的基本步骤： 1. 导入必要的库和模块： ```python import tensorflow as tf from tensorflow.keras import datasets, layers, models import matplotlib.pyplot as plt ``` 2. 加载数据集： ```python (train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data() ``` 3. 数据预处理： ```python train_images, test_images = train_images / 255.0, test_images / 255.0 ``` 4. 定义模型： ```python model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.Flatten()) model.add(layers.Dense(64, activation='relu')) model.add(layers.Dense(10)) ``` 5. 编译模型： ```python model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) ``` 6. 训练模型： ```python history = model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) ``` 7. 评估模型： ```python test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2) print(test_acc) ``` 完整代码示例： ```python import tensorflow as tf from tensorflow.keras import datasets, layers, models import matplotlib.pyplot as plt # 加载数据集 (train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data() # 数据预处理 train_images, test_images = train_images / 255.0, test_images / 255.0 # 定义模型 model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.Flatten()) model.add(layers.Dense(64, activation='relu')) model.add(layers.Dense(10)) # 编译模型 model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) # 训练模型 history = model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) # 评估模型 test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2) print(test_acc) ``` 这样就可以使用Python对CIFAR-10数据集进行分类了。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值