pytorch的cifar10数据集

PyTorch 的 CIFAR-10 数据集是一个广泛用于计算机视觉入门和小型图像分类任务的标准数据集。它包含了60000张32x32像素的小彩色图片，分为10个类别，每个类别有6000张训练图像和1000张测试图像。这个数据集由两个文件组成：

1. `train.csv`：包含训练图像的标签，每行对应一张图片，第一列是图像的路径，第二列是对应的标签。
2. `test.csv`：包含测试图像的标签，格式类似训练集。

在 PyTorch 中，你可以使用 torchvision 库方便地加载和处理这个数据集。通常，你会使用 `torch.utils.data.Dataset` 和 `torch DataLoader` 来管理数据加载和批处理。下面是一个简单的例子：

import torch
from torchvision import datasets, transforms

transform = transforms.Compose([
    transforms.ToTensor(),  # 转换为张量
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 归一化
])

# 加载训练集
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=32, shuffle=True)

# 加载测试集
test_dataset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=32, shuffle=False)