dataset pytorch
时间: 2023-08-31 10:10:58 浏览: 114
PyTorch 提供了许多内置的数据集,可以用于训练和评估模型。这些数据集可以通过 torchvision 库进行访问和加载。以下是一些常见的 PyTorch 数据集示例:
1. MNIST: 手写数字图像数据集。可以使用 `torchvision.datasets.MNIST` 加载。
```python
from torchvision import datasets
train_dataset = datasets.MNIST(root='./data', train=True, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, download=True)
```
2. CIFAR-10: 包含10个类别的彩色图像数据集。可以使用 `torchvision.datasets.CIFAR10` 加载。
```python
from torchvision import datasets
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True)
test_dataset = datasets.CIFAR10(root='./data', train=False, download=True)
```
3. ImageNet: 大型图像数据集,包含超过一百万张带有标签的图像。可以使用 `torchvision.datasets.ImageNet` 加载,但这需要额外的设置和准备工作。
```python
from torchvision import datasets
# 示例代码仅展示了加载方式,实际使用需要额外配置
train_dataset = datasets.ImageNet(root='./data', split='train')
test_dataset = datasets.ImageNet(root='./data', split='val')
```
除了这些内置数据集,PyTorch 还提供了其他许多数据集,例如 COCO、VOC 等。此外,你也可以创建自己的自定义数据集,继承 `torch.utils.data.Dataset` 类并实现 `__len__` 和 `__getitem__` 方法。
希望这些信息对你有帮助!如果有任何其他问题,请随时提问。
阅读全文