当前位置：首页 > web >正文

day38 打卡

web 2025/6/22 6:39:28

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader , Dataset # DataLoader 是 PyTorch 中用于加载数据的工具
from torchvision import datasets, transforms # torchvision 是一个用于计算机视觉的库，datasets 和 transforms 是其中的模块
import matplotlib.pyplot as plt# 设置随机种子，确保结果可复现
torch.manual_seed(42)# 1. 数据预处理（适配CIFAR-10彩色图像）
# transforms 模块提供了一系列常用的图像预处理操作# 先归一化，再标准化（CIFAR-10的3通道均值/标准差）
transform = transforms.Compose([transforms.ToTensor(),  # 转换为张量并归一化到[0,1]transforms.Normalize(mean=(0.4914, 0.4822, 0.4465),  # CIFAR-10训练集的3通道均值std=(0.2023, 0.1994, 0.2010)     # CIFAR-10训练集的3通道标准差)
])# 2. 加载CIFAR-10数据集（自动下载）
train_dataset = datasets.CIFAR10(root='./data',  # 数据存储路径（与原MNIST保持一致）train=True,     # 加载训练集download=True,  # 无数据时自动下载transform=transform  # 应用预处理管道
)test_dataset = datasets.CIFAR10(root='./data',train=False,    # 加载测试集transform=transform
)import matplotlib.pyplot as plt
import numpy as np  # 用于张量转换（若未导入则补充）# 随机选择一张图片，可以重复运行，每次都会随机选择
sample_idx = torch.randint(0, len(train_dataset), size=(1,)).item()  # 随机选择一张图片的索引
# len(train_dataset) 表示训练集的图片数量；size=(1,)表示返回一个索引；torch.randint() 函数用于生成一个指定范围内的随机数,item() 方法将张量转换为 Python 数字
image, label = train_dataset[sample_idx]  # 获取图片和标签# 显示抽取的照片（新增代码）
# 转换PyTorch张量为numpy数组，并调整通道顺序（假设图像为通道优先格式 [C, H, W]）
if image.ndim == 3:  # 处理3通道彩色图像（如CIFAR-10）image_np = np.transpose(image.numpy(), (1, 2, 0))  # 转换为 [H, W, C]
elif image.ndim == 2:  # 处理单通道灰度图像（如MNIST）image_np = image.numpy()
else:raise ValueError("不支持的图像维度，请检查数据集格式")# 显示图像
plt.figure(figsize=(5, 5))  # 设置图像显示大小
plt.imshow(image_np, cmap='gray' if image.ndim == 2 else None)  # 灰度图使用灰度色阶
plt.title(f"Label: {label}")  # 显示标签作为标题
plt.axis('off')  # 关闭坐标轴
plt.show()