请我喝杯咖啡☕
*我的帖子解释了 emnist。
emnist()可以使用emnist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 split(required-type:str)。 *可以设置“byclass”、“bymerge”、“balanced”、“letters”、“digits”或“mnist”。有训练参数（可选-默认：false-类型：float）：*备注：对于 split=”byclass” 和 split=”byclass”，如果为 true，则使用训练数据（697,932 张图像），如果为 false，则使用测试数据（116,323 张图像）。对于 split=”balanced”，如果为 true，则使用训练数据（112,800 张图像），如果为 false，则使用测试数据（188,00 张图像）。对于 split=”letters”，如果为 true，则使用训练数据（124,800 张图像），如果为 false，则使用测试数据（20,800 张图像）。对于 split=”digits”，如果为 true，则使用训练数据（240,000 张图像），如果为 false，则使用测试数据（40,000 张图像）。对于 split=”mnist”，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）。有转换参数（可选-默认：无-类型：可调用）。有 target_transform 参数（可选-默认：无-类型：可调用）。有下载参数（可选-默认：false-类型：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/emnist/raw/.存在图像默认翻转并逆时针旋转90度的错误，因此需要对其进行转换。
from torchvision.datasets import emnisttrain_data = emnist( root="data", split="byclass")train_data = emnist( root="data", split="byclass", train=true, transform=none, target_transform=none, download=false)test_data = emnist( root="data", split="byclass", train=false)len(train_data), len(test_data)# 697932 116323train_data# dataset emnist# number of datapoints: 697932# root location: data# split: traintrain_data.root# 'data'train_data.split# 'byclass'train_data.train# trueprint(train_data.transform)# noneprint(train_data.target_transform)# nonetrain_data.download# train_data[0]# (, 35)train_data[1]# (, 36)train_data[2]# (, 6)train_data[3]# (, 3)train_data[4]# (, 22)train_data.classes# ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9',# 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',# 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z',# 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm',# 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']
from torchvision.datasets import emnisttrain_data = emnist( root="data", split="byclass", train=true)test_data = emnist( root="data", split="byclass", 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)
from torchvision.datasets import EMNISTfrom torchvision.transforms import v2train_data = EMNIST( root="data", split="byclass", train=True, transform=v2.Compose([ v2.RandomHorizontalFlip(p=1.0), v2.RandomRotation(degrees=(90, 90)) ]))test_data = EMNIST( root="data", split="byclass", train=False, transform=v2.Compose([ v2.RandomHorizontalFlip(p=1.0), v2.RandomRotation(degrees=(90, 90)) ]))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 EMNIST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/1354642.html
微信扫一扫 
支付宝扫一扫 
