torchvision.datasets.CIFAR10()直接从网上加载数据过慢问题处理

最新推荐文章于 2024-04-29 10:45:27 发布
最新推荐文章于 2024-04-29 10:45:27 发布
阅读量1.4k 收藏
点赞数
文章标签： 深度学习 pytorch
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/weixin_52121548/article/details/120636558
版权

torchvision.datasets.CIFAR10()直接从网上加载数据过慢处理

问题：在我利用CIFAR数据集进行学习时突然遇到，数据加载长时间没反应的问题

**数据加载没反应**

解决步骤：

1.直接从官网下载对应数据集，最好利用迅雷或者IDM下载，本人用IDM。
官网下载地址

官网下载地址

2.在项目下面直接新建一个文件夹，用于存放数据，并注意命名一定要与代码中的文件名相同，文件位置也要与代码中的相对位置相对应。
新建一个文件夹

新建一个文件夹

文件名称设置

文件名称设置

新建文件夹名称与此对应

新建文件夹名称和位置与此对应，此处为相对位置

3.将下载的数据集压缩包，复制到新创建的文件夹中。
在这里插入图片描述

下载的数据集，并按ctrl + v复制

在这里插入图片描述
在这里插入图片描述

按照上图将数据集压缩包粘贴在此

3.粘贴完成以后，再次运行代码就大功告成啦。

注：如何查看数据集下载地址。
在这里插入图片描述

在代码中，将光标置于此，按住Ctrl，并左击鼠标

在这里插入图片描述

在打开的新文件中，直接查询地址即可
北岸&初晴°
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
cifar10-Python的数据集，官网上有，但是下载速度很慢
04-12
cifar10-Python的数据集，官网上有，但是下载速度很慢，Python类型的。需要解压之后就成为了官网上一样的数据集了。同时我的另一个资源提供了cifar-10-binary版的下载
cifar-10-binary，官网上有，但是下载速度慢
04-12
cifar-10-binary，官网上有，但是下载速度慢。解压之后就和官网上完全一样了。binary版本。同时我的另一个资源提供了Python版的下载
解决Python中下载cifar-10数据集缓慢问题
SZU_黄其才
05-29 4725
解决Python中下载cifar-10数据集缓慢问题   最近需要使用cifar-10数据集进行开发，但是使用Python在下载的时候发现速度非常慢。下面介绍一下我的解决方法。 1、下载cifax-10数据集，如果使用Python进行下载的话速度比较慢，这里建议你直接到官网进行下载，官网： 直接点击下载即可。示例： 然后选择合适的位置保存即可，示例： 2、对下载好的文件进行解压。示例： 文件的目录如下所示： 3、使用Python3读取cifar-10中的数据。示例代码： def load_file(
torchvision数据集以及dataloader使用
最新发布
Cheryl的博客
04-29 314
结合之前的笔记的知识点，这期初试调用数据集。
从torchvision下载数据集比较慢怎么办
weixin_45193103的博客
03-28 741
下载的方式如下 import torchvision train_set = torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True) test_set = torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True) 在运行的界面会显示下载的连接 可以从运行的下载连接，进行复制到迅雷进行下载。 https://ww..
pytoch下载cifar-10数据集太慢的问题
qq_50958006的博客
05-25 809
挂个梯子试试。一开始用流量和校园网下载十分慢，后来挂了个梯子，几秒钟就下好了。
CIFAR-10数据集下载缓慢问题及解决
M_PERSISTENCE的博客
10-27 2457
CIFAR-10数据集下载缓慢问题及解决 声明：该博客所有博文均为个人学习过程问题记录，仅供学术交流，非商用。如部分不小心侵犯了其版权，还望海涵，请及时联系本人删除或修改。 问题描述 数据集下载缓慢 问题解决 2.1 如通过官网下载速度依然不佳，可使用百度云，资源如下【链接：https://pan.baidu.com/s/1R1nVqfRL–UtKsNyO6s6uw 提取码：qg97 】 2.2 将下载的文件复制到当前用户路径（如下图所示），并修改文件名（cifar10.load_data()识
（已解决torchvision中CIFAR10下载速度慢）如何下载以及使用torchvision导入
edward_zcl的博客
04-27 1819
背景 train_set = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) 速度超级慢，慢得直接报错： urllib.error.URLError: urlopen...
导入FashionMNIST数据集时报错module ‘torchvision.datasets’ has no attribute ‘FashionMNIS’
01-07
在阅读动手学深度学习-pytorch的过程中，发现softmax部分代码需要加载FashionMNIS数据集 书上代码如下： mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=...
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。
tf.keras.datasets数据源
08-02
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 ...
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。
cifar 10数据集
04-25
Cifar-10由60000张32*32的RGB彩色图片构成，共10个分类。50000张训练，10000张测试（交叉验证）。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类
torchvision手动加载数据集/模型：解决torchvision下载过慢问题
sumaliqinghua的博客
05-03 2123
step1.下载好数据集，并解压 step2.执行语句 注意：download=False代表不从线上下载数据集； 可使用绝对路径或相对路径两种 trainset = torchvision.datasets.CIFAR10(root='..\..\..\dataset\cifar-10-python', train=True, ...
Pytorch下载CIFAR10数据集过慢问题的解决
weixin_43085694的博客
02-01 6410
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,download=True, transform=transform) 利用此代码可以下载CIFAR10的数据集到data文件夹并且确认，但是数据集下载太慢，解决方案是： 自己下载好数据集，放在data文件夹中 我将下载并且确认好的数据集放在云盘了： https:/...
cifar-10-python.tar数据集下载过慢解决方式
JulyLi2019的博客
09-08 2533
1.首先下载数据集：官方网站下载过慢，建议使用百度云盘下载别人的cifar-10-python.tar.gz文件 2.找到下载下来的压缩文件cifar-10-python.tar.gz，如果是window系统则是保存在C:\Users\xxx.keras\datasets目录中,将此文件改名为cifar-10-batches-py.tar.gz，解压到当前目录下。 3.再次运行程序就可以跑起来了，跳过了下载步骤。 ...
torchvision.datasets加载CIFAR10
weixin_43935740的博客
12-22 2786
trainset = torchvision.datasets.CIFAR10( root='./data', train=True, download=False, transform=transform_train) 之前都是看这么写，然后发现怎么都不对，一直报错 ‘Dataset metadata file not found or corrupted.You can use download=True to download it’ 后来看了一下源码 def _check_inte
torchvision.datasets.CIFAR10()和torch.utils.data.DataLoader详细介绍
Amanda_python的博客
01-30 2745
import torchvision trainset = torchvision.datasets.CIFAR10(root = data_path, train = True, download = True, transform=transform) '''
torchvision.datasets.CIFAR10模块使用讲解
热门推荐
weixin_44901043的博客
04-17 2万+
__all__ = ('LSUN', 'LSUNClass', 'ImageFolder', 'DatasetFolder', 'FakeData', 'CocoCaptions', 'CocoDetection', 'CIFAR10', 'CIFAR100', 'EMNIST', 'FashionMNIST', 'QMNIST', 'MNIST', 'KMNIST', 'STL10', 'SVHN', 'PhotoTo
torchvision.datasets.CIFAR10
04-04
torchvision.datasets.CIFAR10 is a dataset class in PyTorch that provides access to the CIFAR-10 image classification dataset. CIFAR-10 consists of 60,000 32x32 color images in 10 classes, with 6,000 images per class. The dataset is divided into 50,000 training images and 10,000 testing images. This dataset is commonly used in image classification tasks as a benchmark dataset for evaluating the performance of deep learning models. The classes in CIFAR-10 are airplane, automobile, bird, cat, deer, dog, frog, horse, ship, and truck. To use the CIFAR-10 dataset in PyTorch, you can create an instance of the CIFAR10 class and pass in the location of the data and whether you want to use the training or testing dataset. For example: ```python import torchvision.datasets as datasets train_dataset = datasets.CIFAR10(root='./data', train=True, download=True) test_dataset = datasets.CIFAR10(root='./data', train=False, download=True) ``` This will download the CIFAR-10 dataset to the './data' directory and create a CIFAR10 object for the training and testing datasets.

“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
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