请我喝杯咖啡☕
*我的帖子解释了 kmnist。
kmnist() 可以使用 kmnist 数据集，如下所示：
*备忘录：
第一个参数是 root（必需类型：str 或 pathlib.path）。 *绝对或相对路径都是可能的。第二个参数是 train(optional-default:true-type:bool)。 *如果为 true，则使用训练数据（60,000 张图像），如果为 false，则使用测试数据（10,000 张图像）。第三个参数是transform(optional-default:none-type:callable)。第四个参数是 target_transform(optional-default:none-type:callable)。第五个参数是 download(optional-default:false-type:bool):*备注：如果为 true，则从互联网下载数据集并解压（解压）到根目录。如果为 true 并且数据集已下载，则将其提取。如果为 true 并且数据集已下载并提取，则不会发生任何事情。如果数据集已经下载并提取，则应该为 false，因为它速度更快。您可以从此处手动下载并提取数据集，例如数据/kmnist/原始/。
from torchvision.datasets import kmnisttrain_data = kmnist( root="data")train_data = kmnist( root="data", train=true, transform=none, target_transform=none, download=false)test_data = kmnist( root="data", train=false)len(train_data), len(test_data)# (60000, 10000)train_data# dataset kmnist# number of datapoints: 60000# root location: data# split: traintrain_data.root# 'data'train_data.train# trueprint(train_data.transform)# noneprint(train_data.target_transform)# nonetrain_data.download# train_data[0]# (, 8)train_data[1]# (, 7)train_data[2]# (, 0)train_data[3]# (, 1)train_data[4]# (, 4)train_data.classes# ['o', 'ki', 'su', 'tsu', 'na', 'ha', 'ma', 'ya', 're', 'wo']
from torchvision.datasets import KMNISTtrain_data = KMNIST( root="data", train=True)test_data = KMNIST( root="data", train=False)import matplotlib.pyplot as pltdef show_images(data): plt.figure(figsize=(12, 2)) col = 5 for i, (image, label) in enumerate(data, 1): plt.subplot(1, col, i) plt.title(label) plt.imshow(image) if i == col: break plt.show()show_images(data=train_data)show_images(data=test_data)
以上就是PyTorch 中的 KMNIST的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1354636.html
微信扫一扫 
支付宝扫一扫 
