Cifar100

class paddle.vision.datasets. Cifar100 [源代码]

Cifar-100 数据集的实现，数据集包含100种类别.

参数

  • data_file (str) - 数据集文件路径，如果 download 参数设置为 True ， data_file 参数可以设置为 None 。默认值为 None ，默认存放在: ~/.cache/paddle/dataset/cifar

  • mode (str) - 'train' 或 'test' 模式，默认为 'train' 。

  • transform (callable) - 图片数据的预处理，若为 None 即为不做预处理。默认值为 None。

  • download (bool) - 当 data_file 是 None 时，该参数决定是否自动下载数据集文件。默认为 True 。

  • backend (str, optional) - 指定要返回的图像类型：PIL.Image或numpy.ndarray。必须是{‘pil’，’cv2’}中的值。如果未设置此选项，将从paddle.vsion.get_image_backend获得这个值。 默认值： None 。

返回

Cifar100数据集实例

代码示例

  1. import paddle
  2. import paddle.nn as nn
  3. from paddle.vision.datasets import Cifar100
  4. from paddle.vision.transforms import Normalize
  6. class SimpleNet(paddle.nn.Layer):
  7.     def __init__(self):
  8.         super(SimpleNet, self).__init__()
  9.         self.fc = nn.Sequential(
  10.             nn.Linear(3072, 10),
  11.             nn.Softmax())
  13.     def forward(self, image, label):
  14.         image = paddle.reshape(image, (1, -1))
  15.         return self.fc(image), label
  18. normalize = Normalize(mean=[0.5, 0.5, 0.5],
  19.                     std=[0.5, 0.5, 0.5],
  20.                     data_format='HWC')
  21. cifar100 = Cifar100(mode='train', transform=normalize)
  23. for i in range(10):
  24.     image, label = cifar100[i]
  25.     image = paddle.to_tensor(image)
  26.     label = paddle.to_tensor(label)
  28.     model = SimpleNet()
  29.     image, label = model(image, label)
  30.     print(image.numpy().shape, label.numpy().shape)