Deep learning 如何在一个数据结构中加载所有5批CIFAR10,如PyTorch中的MNIST?
使用Mnist,我有一个带标签的文件和一个列车文件,因此我只需执行以下操作:Deep learning 如何在一个数据结构中加载所有5批CIFAR10,如PyTorch中的MNIST?,deep-learning,dataset,pytorch,Deep Learning,Dataset,Pytorch,使用Mnist,我有一个带标签的文件和一个列车文件,因此我只需执行以下操作: self.data = datasets.MNIST(root='./data', train=True, download=True) 基本上,我创建了一组标签(从0到9)并将图像的第I个位置保存在数据结构中,以创建自定义任务: def make_tasks (self): self.task_to_examples = {} #task 0-9 self.al
self.data = datasets.MNIST(root='./data', train=True, download=True)
基本上,我创建了一组标签(从0到9)并将图像的第I个位置保存在数据结构中,以创建自定义任务:
def make_tasks (self):
self.task_to_examples = {} #task 0-9
self.all_tasks = set (self.data.train_labels.numpy ())
for i, digit in enumerate (self.data.train_labels.numpy ()):
if str(digit) not in self.task_to_examples:
self.task_to_examples[str(digit)] = []
self.task_to_examples[str(digits)].append(i)
我不知道如何使用CIFAR10做同样的事情,因为它分为5个批次,我希望所有的数据都在一个结构中。如果您想要的结构是
{“class\u id:[样本索引]}
,那么对于CIFAR10,您可以这样做:
将numpy导入为np
进口火炬视觉
#相应地扎根
cifar=torchvision.dataset.CIFAR10(root=“.”,train=True,download=True)
任务到示例={
str(task_id):np.where(cifar.targets==task_id)[0].tolist()
对于np.unique(cifar.targets)中的任务id
}
我用这种方式加载所有5个批次?@mega是的,torchvision会为您这样做。顺便说一下,样本本身在