pytorch下载加载mnist数据集_mnist数据集怎么下载 pytorch-CSDN博客

本文链接：https://blog.csdn.net/weixin_45412737/article/details/120561883

这篇博客介绍了如何使用torchvision.datasets.MNIST下载和加载MNIST数据集，并通过torch.utils.data.DataLoader进行批量处理。下载后的数据集分为训练集和测试集，经过transform转换为Tensor。同时，展示了使用opencv显示图片的方法，将训练数据转换为适合显示的格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.下载mnist

使用torchvision.datasets，其中含有一些常见的MNIST等数据集，使用方式：

train_data=torchvision.datasets.MNIST(
    root='MNIST',
    train=True,
    transform=torchvision.transforms.ToTensor(),
    download=True
)
test_data=torchvision.datasets.MNIST(
    root='MNIST',
    train=False,
    transform=torchvision.transforms.ToTensor(),
    download=True
)

root:表示下载位置，下载后，会在该位置中新建一个MNIST文件夹，底下还有一个raw文件夹

train：True下载就会是训练集，False下载就会是测试集

transform：表示转换方式

download：表示是否下载

下载完后会生成四个压缩包，分别代表着train的img和label以及test的img和label

变量train_data和test_data的类型分别为'torchvision.datasets.mnist.MNIST'，如果想用到pytorch中的进行训练，就必须将变量改为torch

2.torch.utils.data.DataLoader( )

用from torch.utils.data import DataLoader进行导入，

train_load=DataLoader(dataset=train_data,batch_size=100,shuffle=True)
test_load=DataLoader(dataset=test_data,batch_size=100,shuffle=True)

随机加载批量大小为l00数据给train_load和test_load，每个变量都由两部分组成，用迭代器将两部分分开

train_x,train_y=next(iter(train_load))

其中train_x为属性值，type(train_x)=torch.Size([100, 1, 28, 28])#100个，channel为1，长宽为28*28，type(train_y)=torch.size([100])

3.opencv显示图片

import cv2

img=torchvision.utils.make_grid(train_x,nrow=10)#将train_x赋给一个宽为10的网格
#因为cv2显示的图片格式是（size，size，channel），但是img格式为（channel，size，size）
img = img.numpy().transpose(1,2,0)
cv2.imshow('img', img)
cv2.waitKey()