您好,登錄后才能下訂單哦!
這篇“pytorch的dataset和dataloader實例分析”文章的知識點大部分人都不太理解,所以小編給大家總結(jié)了以下內(nèi)容,內(nèi)容詳細,步驟清晰,具有一定的借鑒價值,希望大家閱讀完這篇文章能有所收獲,下面我們一起來看看這篇“pytorch的dataset和dataloader實例分析”文章吧。
dataset,dataloder分析
本來自己創(chuàng)建的cifar_data_test文件夾下只存放從網(wǎng)上下載的數(shù)據(jù)集
cifar-10-python.tar.gz
由于download=True的存在:多了一個cifar-10-batches-py
dataset = torchvision.datasets.CIFAR10(root='./cifar_data_test',download=True)
print(dataset)
可以看出數(shù)據(jù)集默認train=True
train=False用來選擇是訓練集還是測試集
dataset = torchvision.datasets.CIFAR10(root='./cifar_data_test',train=False,download=True)print(dataset)print(dataset.classes)print(dataset.data.shape,"\n",dataset.data)
transform
一:因為CIFAR10本來就是tensor,所以對其沒用
二:dataset中加的transform并不會讓數(shù)據(jù)集歸一化,只有在dataloader時才歸一化
import torchvision.datasetsimport torchvision.transforms as transformsfrom torch.utils.data import DataLoader#transform有兩個操作,一是變成pythonj易于處理的tensor形式,二是將tensor歸一化transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.1307,),(0.3081,))])dataset = torchvision.datasets.CIFAR10(root='./cifar_data_test',train=True,download=True,transform=transform)print(dataset.data)#未歸一化train_loader = DataLoader(dataset,shuffle=False,batch_size=32)#dataloader無transform參數(shù)for img,target in train_loader:print(img)#數(shù)據(jù)歸一化
以上就是關(guān)于“pytorch的dataset和dataloader實例分析”這篇文章的內(nèi)容,相信大家都有了一定的了解,希望小編分享的內(nèi)容對大家有幫助,若想了解更多相關(guān)的知識內(nèi)容,請關(guān)注億速云行業(yè)資訊頻道。
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。