Python打卡训练营打卡记录day38

1. Dataset类的__getitem__和__len__方法（本质是python的特殊方法）
2. Dataloader类
3. minist手写数据集的了解

作业：了解下cifar数据集，尝试获取其中一张图片

import torch
from torch.utils.data import DataLoader, Dataset 
from torchvision import datasets, transforms 
import matplotlib.pyplot as plt
import numpy as np  # 用于图像转换# 设置随机种子，确保结果可复现
torch.manual_seed(42)# 1. 数据预处理（CIFAR-10的3通道参数）
transform = transforms.Compose([transforms.ToTensor(),  # 转换为张量并归一化到[0,1]transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))  # CIFAR-10的3通道均值和标准差
])# 2. 加载CIFAR10数据集
train_dataset = datasets.CIFAR10(root='./data',train=True,download=True,  # 若本地已有数据，会跳过下载transform=transform
)test_dataset = datasets.CIFAR10(root='./data',train=False,transform=transform
)# 随机选择一张图片
sample_idx = torch.randint(0, len(train_dataset), size=(1,)).item() 
image, label = train_dataset[sample_idx] # 可视化函数（CIFAR-10彩色图）
def imshow(img):# 反标准化（3通道）img = img * torch.tensor([0.2023, 0.1994, 0.2010]).view(3,1,1) + torch.tensor([0.4914, 0.4822, 0.4465]).view(3,1,1)img = img.permute(1, 2, 0).numpy()  # 调整通道顺序为HWCplt.imshow(img)plt.show()# CIFAR-10的类别名称
class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer','dog', 'frog', 'horse', 'ship', 'truck']print(f"Label: {class_names[label]}")
imshow(image)# 3. 创建数据加载器
train_loader = DataLoader(train_dataset,batch_size=64,shuffle=True
)test_loader = DataLoader(test_dataset,batch_size=1000
)

@浙大疏锦行