cifar-10 이미지 보기
5320 단어 딥 러닝
from PIL import Image
def unpickle(file):
import pickle
with open(file, 'rb') as fo:
dict = pickle.load(fo, encoding='bytes')
return dict
import matplotlib.pyplot as plt
import numpy as np
def DataPrepare(strpath):
X = []
L = []
for i in range(1, 5):
data = unpickle(strpath +'/data_batch_' + str(i))
data = data[b'data'].reshape(10000, 3, 32, 32)
for j in range(10000):
imgdata = data[j, :, :, :]
plt.cla()
plt.imshow(np.transpose(imgdata, (1, 2, 0)))
plt.pause(0.1)
if __name__ == '__main__':
# cifar10
strpath = 'D:\pytorch_DPSH/data/CIFAR-10/data/cifar-10-batches-mat'
DataPrepare()
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
keras 기반 EfficientNet 재현[2 트레이닝 모듈]B3는 일반적인 서버가 달리기에 적합할 것 같아요.batchsize는 너무 크게 설정하지 마세요. 메모리를 초과하기 쉬워요.이것은 앞의 AlexNet 데이터 집합을 사용하고 다음에 데이터 집합 주소를 넣으세요. 트림...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
