学习Pytorch导入本地下载的数据集以CIFAR-10为例

以此:PYTORCH 官方教程中文版 (1.9+CU10.2)中的代码(本文简称官方教程)  为例
开发环境:淘宝搜深度学习 pytorch环境配置20元搞定  (淘宝不愧最强外挂)
我们将使用CIFAR10数据集。它有以下类别: " 飞机 "、"汽车" " " " " " 鹿 " " " " " " " " " " 卡车 " CIFAR-10 中的图像大小为 3x32x32 ,即尺寸为32x32 像素的 3 通道彩色图像。
        首先下载数据集到 自己定义 的文件路径下(建议 全英文路径
例如:E:\BaiduNetdiskDownload    // 直接用百度网盘的文件下载路径会方便很多

 

 

        二.复制粘贴官方代码到自己的Vscode中的新建文件中(来自官方教程P44)
import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
[transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
batch_size = 4
trainset = torchvision.datasets.CIFAR10(root='E:/BaiduNetdiskDownload', train=True,   #root指向下载的数据集所指定的文件夹就好
download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=batch_size,
shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='E:/BaiduNetdiskDownload', train=False,
download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=batch_size,
shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
'deer', 'dog', 'frog', 'horse', 'ship', 'truck')
.修改文件的 几个重要参数

 

ctrl+点击   CIFAR10 软件会自动打开   cifar.py文件

到第33行左右修改信息

 修改url和filename两项为数据集路径(一定按照数据集中的格式去写

url为所下载的数据集所在路径加 file:///(最后要加上数据集全称

filename 改为数据集全称

修改主程序

trainset = torchvision.datasets.CIFAR10(root='E:/BaiduNetdiskDownload',

此处root改为指定文件夹名即可,不需要加file:///以及结尾的文件全称

.修改完两个文件的三处地方之后,会显示文件已经存在表示导入成功!!!!

 可以再次基础上继续学习其余的代码了!!!!!!

数据集链接 亲测可用(侵删)

链接:https://pan.baidu.com/s/1Tg1hOY8XqUL2Na5jwyP4WQ
提取码:wgvx

官方教程链接(侵删)

链接:https://pan.baidu.com/s/1Bh9fQ9c4GLUe1NCSToc7VQ?pwd=9999 
提取码:9999 
--来自百度网盘超级会员V6的分享

  • 6
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
如果CIFAR数据集已经下载到本地,你可以使用PyTorch的`torchvision.datasets.ImageFolder`类来加载数据集。以下是一个示例代码: ```python import torch from torchvision import datasets, transforms # 定义数据预处理的转换 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]) ]) # CIFAR-10数据集的根目录 data_dir = './cifar10' # 加载训练集和测试集 train_dataset = datasets.ImageFolder(root=data_dir+'/train', transform=transform) test_dataset = datasets.ImageFolder(root=data_dir+'/test', transform=transform) # 创建数据加载器 train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True) test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=64, shuffle=False) # 可以使用train_loader和test_loader来迭代获取数据 for images, labels in train_loader: # 在这里进行训练数据的处理 pass for images, labels in test_loader: # 在这里进行测试数据的处理 pass ``` 在上述代码中,首先定义了数据预处理的转换,将图像转换为张量并进行归一化。然后,通过指定CIFAR-10数据集的根目录,使用`datasets.ImageFolder`类加载训练集和测试集。接着使用`torch.utils.data.DataLoader`创建数据加载器,指定数据集和批次大小。最后,可以使用数据加载器来迭代获取训练集和测试集的数据。 请确保将`data_dir`变量设置为正确的CIFAR-10数据集的根目录路径。在该路径下,应该包含名为'train'和'test'的子文件夹,分别存放训练集和测试集的图像文件。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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