python datasets 下载_CIFAR数据下载（配上Pytorch上调用）

类似于于MNIST一样，担心代码下载速度不行，因此修改对应的源码。

下载数据

进入到

http://www.cs.toronto.edu/~kriz/cifar.html

下载数据对应的压缩包。

下载第一行的数据(当然cifar100在后面是类似的操作。)

下载到某个固定的位置，比如我，

对应的地址就是：D:\Software\DataSet\cifar

源码修改

在pycharm或者是VScode当中，按住ctrl的情况下，用鼠标点击下面这段代码中的CIFAR10

import torchvisiontorchvision.datasets.CIFAR10()

就可以看到对应的源码了。跟之前的MNIST的操作类似：

也就是将下面的注释部分的那个代码换成第一行的代码，当然地址是写你自己的。

url = "file:///D:/Software/DataSet/cifar/cifar-10-python.tar.gz"# url = "https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz"

调用实例

import torchimport torchvisionimport osfrom torch.utils.data import Dataset, DataLoaderimport torchvision.utils as vutilsimport numpy as np import matplotlib.pyplot as pltimport pickleDOWNLOAD_CIFAR10 = Falsecifar10_root = './cifar10/'if not (os.path.exists(cifar10_root)) or not os.listdir(cifar10_root):    # not mnist dir or mnist is empyt dir    DOWNLOAD_CIFAR10 = Truetrain_data = torchvision.datasets.CIFAR10(    root=cifar10_root,    train=True,  # this is training data    transform=torchvision.transforms.ToTensor(),  # Converts a PIL.Image or numpy.ndarray to    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]    download=DOWNLOAD_CIFAR10,)train_loader = DataLoader(dataset=train_data, batch_size=100, shuffle=True)with open('./cifar10/cifar-10-batches-py/batches.meta', 'rb') as f:    data = pickle.load(f)

然后有两种不同的输出的代码：

第一种的输出：

for step, (x, y) in enumerate(train_loader):    print(x.shape, y.shape)    print(y)    fig = plt.figure(figsize=(10, 10))    fig, axs = plt.subplots(nrows=1, ncols=10, figsize=(10, 1.5))    for i in range(10):        ax = axs[i]        ax.axis("off")        ax.set_title(data['label_names'][y[i]])        ax.imshow(np.transpose(x[i].numpy(), (1, 2, 0)))    plt.savefig('cifar-10.png')    plt.show()    break

第二种的输出：

for step, (x, y) in enumerate(train_loader):    print(x.shape, y.shape)    print(y)    fig = plt.figure(figsize=(20, 20))    for i in range(100):        ax = plt.subplot(10, 10, i+1)        plt.axis("off")        ax.set_title(data['label_names'][y[i]])        plt.imshow(np.transpose(x[i].numpy(), (1, 2, 0)))    plt.savefig('cifar-100.png')    plt.show()    break