打卡第38天

作业：了解下cifar数据集，尝试获取其中一张图片

CIFAR 数据集简介

• 来源：由加拿大计算机科学家 Alex Krizhevsky 等创建，用于图像分类研究。
• 构成：包含 10 类（CIFAR-10）或 100 类（CIFAR-100）的彩色图像，共 6 万张（5 万训练 + 1 万测试），尺寸为 32×32 像素。
• 特点：图像小、类别多，常用于验证机器学习模型的泛化能力。

获取图片的方法（以 Python 为例）

步骤 1：安装库

pip install torch torchvision  # PyTorch框架（含数据集接口）  

步骤 2：加载并查看图片

import torchvision  
from torchvision import datasets, transforms  
import matplotlib.pyplot as plt  # 加载CIFAR-10训练集（可指定root参数存放路径）  
transform = transforms.Compose([transforms.ToTensor()])  # 转换为Tensor格式  
dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)  # 随机获取一张图片（如索引为0的图片）  
img, label = dataset[0]  
print("标签:", dataset.classes[label])  # 输出类别名称  # 显示图片  
plt.imshow(img.permute(1, 2, 0))  # 转换通道顺序  
plt.axis('off')  
plt.show()  

说明：

• download=True 会自动下载数据集（首次运行需联网）。
• 若需 CIFAR-100，将代码中CIFAR10改为CIFAR100，并注意类别标签差异。

如需进一步操作（如数据增强、模型训练），可基于 PyTorch 扩展代码。

@浙大疏锦行