CIFAR-10数据集实战——构建LeNet5神经网络

发布时间：2022-11-28 11:48:26 所属栏目：大数据来源：

导读：　　MNIST数据集为0~9的数字，而CIFAR-10数据集为10类物品识别，包含飞机、车、鸟、猫等。照片大小为32*32的彩色图片（三通道）。每个类别大概有6000张照片，其中随机筛选出5000用来，剩下的1000用来

　　首先引

　　MNIST数据集为0~9的数字，而CIFAR-10数据集为10类物品识别，包含飞机、车、鸟、猫等。照片大小为32*32的彩色图片（三通道）。每个类别大概有6000张照片，其中随机筛选出5000用来，剩下的1000用来

　　首先引入数据集

　　import torch
　　from torch.utils.data import DataLoader
　　from torchvision import datasets, transforms
　　batch_size=32
　　cifar_train = datasets.CIFAR10(root='cifar', train=True, transform=transforms.Compose([
　　    transforms.Resize([32, 32]),
　　    transforms.ToTensor(),
　　]), download=True)
　　
　　cifar_train = DataLoader(cifar_train, batch_size=batch_size, shuffle=True)
　　cifar_test = datasets.CIFAR10(root='cifar', train=False, transform=transforms.Compose([
　　    transforms.Resize([32, 32]),
　　    transforms.ToTensor(),
　　]), download=True)
　　
　　cifar_test = DataLoader(cifar_test, batch_size=batch_size, shuffle=True)
　　
　　x, label = iter(cifar_train).next()
　　print('x:', x.shape, 'label:', label.shape)

（编辑：草根网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

何为数据湖？用于大数	大规模分布式计算学习
如何让程序员更简单使	从开始懂互联网到懂用