DAY 38 Dataset和Dataloader类

对应5. 27作业

知识点回顾：

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
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

# 设置随机种子以确保结果可复现
torch.manual_seed(42)

# 定义数据预处理转换
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

# 加载CIFAR-10训练数据集
trainset = torchvision.datasets.CIFAR10(
    root='./data',
    train=True,
    download=True,
    transform=transform
)

# 创建数据加载器
trainloader = torch.utils.data.DataLoader(
    trainset,
    batch_size=1,
    shuffle=True,
    num_workers=2
)

# CIFAR-10的类别名称
classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

# 获取并显示一张图片
def main():
    # 从数据加载器中获取一张图片
    images, labels = next(iter(trainloader))
    
    # 显示图片的函数
    def imshow(img):
        img = img / 2 + 0.5  # 反标准化
        npimg = img.numpy().transpose((1, 2, 0))
        plt.imshow(npimg)
        plt.axis('off')  # 不显示坐标轴
        plt.show()
    
    # 打印图片的类别标签
    print(f'图片类别: {classes[labels.item()]}')
    
    # 显示图片
    imshow(images[0])

if __name__ == '__main__':
    main()