pytorch datasets用法

PyTorch中的datasets模块提供了许多常用数据集的接口，可以方便地加载和处理数据。使用datasets模块，我们可以轻松地将数据集加载到PyTorch中，并进行预处理和转换。

下面是一个使用datasets模块加载CIFAR-10数据集的示例代码：

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据预处理方式
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

# 加载训练集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

# 加载测试集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

# 定义类别标签
classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

在上面的代码中，我们首先定义了数据预处理方式，然后使用datasets模块加载了CIFAR-10数据集，并将其分为训练集和测试集。最后，我们定义了类别标签。