代码拉取完成,页面将自动刷新
class torchvision.datasets.CIFAR10(
root: str,
train: bool = True,
transform: Optional[Callable] = None,
target_transform: Optional[Callable] = None,
download: bool = False)
更多内容详见torchvision.datasets.CIFAR10。
class mindspore.dataset.Cifar10Dataset(
dataset_dir,
usage=None,
num_samples=None,
num_parallel_workers=None,
shuffle=None,
sampler=None,
num_shards=None,
shard_id=None,
cache=None)
更多内容详见mindspore.dataset.Cifar10Dataset。
PyTorch:读取CIFAR-10数据集(仅支持CIFAR-10 python version版本)。将image和label的变换操作集成在参数中。
MindSpore:读取CIFAR-10数据集(仅支持CIFAR-10 binary version版本),不支持下载,对image和label的变换需要使用mindspore.dataset.map
操作。
分类 | 子类 | PyTorch | MindSpore | 差异 |
---|---|---|---|---|
参数 | 参数1 | root | dataset_dir | - |
参数2 | train | - | 指定是否为训练集,MindSpore通过参数usage 支持 |
|
参数3 | transform | - | MindSpore通过 mindspore.dataset.map 操作支持 |
|
参数4 | target_transform | - | MindSpore通过 mindspore.dataset.map 操作支持 |
|
参数5 | download | - | MindSpore不支持 | |
参数6 | - | usage | 指定数据集的子集 | |
参数7 | - | num_samples | 指定从数据集中读取的样本数 | |
参数8 | - | num_parallel_workers | 指定读取数据的工作线程数 | |
参数9 | - | shuffle | 指定是否混洗数据集 | |
参数10 | - | sampler | 指定从数据集中选取样本的采样器 | |
参数11 | - | num_shards | 指定分布式训练时将数据集进行划分的分片数 | |
参数12 | - | shard_id | 指定分布式训练时使用的分片ID号 | |
参数13 | - | cache | 指定单节点数据缓存服务 |
# PyTorch
import torchvision.transforms as T
import torchvision.datasets as datasets
from torch.utils.data import DataLoader
root = "/path/to/dataset_directory/"
dataset = datasets.CIFAR10(root, train=True, transform=T.RandomCrop((28, 28)), download=True)
dataloader = DataLoader(dataset)
# MindSpore
import mindspore.dataset as ds
import mindspore.dataset.vision as vision
# Download the dataset files, unzip into the following structure
# .
# └── /path/to/dataset_directory/
# ├── data_batch_1.bin
# ├── data_batch_2.bin
# ├── data_batch_3.bin
# ├── data_batch_4.bin
# ├── data_batch_5.bin
# ├── test_batch.bin
# ├── readme.html
# └── batches.meta.txt
root = "/path/to/dataset_directory/"
ms_dataloader = ds.Cifar10Dataset(root, usage='train')
ms_dataloader = ms_dataloader.map(vision.RandomCrop((28, 28)), ["image"])
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。