PyTorch 中的 KMNIST-Python教程-PHP中文网

PyTorch 中的 KMNIST

DDD

发布： 2024-12-06 14:30:18

转载

889人浏览过

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：

SnapEdit

AI移除图片中的任何物体

查看详情

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 kmnist

train_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: train

train_data.root
# 'data'

train_data.train
# true

print(train_data.transform)
# none

print(train_data.target_transform)
# none

train_data.download
# <bound method mnist.download of dataset kmnist
#     number of datapoints: 60000
#     root location: data
#     split: train>

train_data[0]
# (<pil.image.image image mode=l size=28x28>, 8)

train_data[1]
# (<pil.image.image image mode=l size=28x28>, 7)

train_data[2]
# (<pil.image.image image mode=l size=28x28>, 0)

train_data[3]
# (<pil.image.image image mode=l size=28x28>, 1)

train_data[4]
# (<pil.image.image image mode=l size=28x28>, 4)

train_data.classes
# ['o', 'ki', 'su', 'tsu', 'na', 'ha', 'ma', 'ya', 're', 'wo']

登录后复制

from torchvision.datasets import KMNIST

train_data = KMNIST(
    root="data",
    train=True
)

test_data = KMNIST(
    root="data",
    train=False
)

import matplotlib.pyplot as plt

def 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)

登录后复制

PyTorch 中的 KMNIST