如何用PyTorch构建类似MNIST的自定义数据集？

本文共计986个文字，预计阅读时间需要4分钟。

原文：本文字将原始的numpy+array数据在pytorch下封装为Dataset类的数据集，为后续深度网络训练提供数据。

改写后：将numpy数组数据封装成pytorch的Dataset数据集，供深度学习训练使用。加载并保存图像信息，导入所需库，定义路径。

本文将原始的numpy array数据在pytorch下封装为Dataset类的数据集，为后续深度网络训练提供数据。

加载并保存图像信息

首先导入需要的库，定义各种路径。

import os import matplotlib from keras.datasets import mnist import numpy as np from torch.utils.data.dataset import Dataset from PIL import Image import scipy.misc root_path = 'E:/coding_ex/pytorch/Alexnet/data/' base_path = 'baseset/' training_path = 'trainingset/' test_path = 'testset/'

这里将数据集分为三类，baseset为所有数据（trainingset+testset），trainingset是训练集，testset是测试集。直接通过keras.dataset加载mnist数据集，不能自动下载的话可以手动下载.npz并保存至相应目录下。