请我喝杯咖啡☕
*我的帖子解释了 mnist。
mnist() 可以使用 mnist 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:false-type:float)。 *如果为 true，则使用训练数据（60,000 个样本），如果为 false，则使用测试数据（60,000 个样本）。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/mnist/原始/。
from torchvision.datasets import mnisttrain_data = mnist( root="data")train_data = mnist( root="data", train=true, transform=none, target_transform=none, download=false)train_data# dataset mnist# 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]# (, 5)train_data[1]# (, 0)train_data[2]# (, 4)train_data[3]# (, 1)train_data.classes# ['0 - zero',# '1 - one',# '2 - two',# '3 - three',# '4 - four',# '5 - five',# '6 - six',# '7 - seven',# '8 - eight',# '9 - nine']
from torchvision.datasets import MNISTtrain_data = MNIST( root="data")test_data = MNIST( root="data", train=False)import matplotlib.pyplot as pltdef show_images(data): plt.figure(figsize=(10, 2)) col = 4 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 MNIST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/1354649.html
微信扫一扫 
支付宝扫一扫 
