「学习笔记」torchvision.datasets.MNIST 参数解读/中文使用手册

最新推荐文章于 2025-10-13 16:21:07 发布
原创 最新推荐文章于 2025-10-13 16:21:07 发布 · 2.9w 阅读 · 96 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #机器学习 #pytorch

本文详细解析了PyTorch中MNIST数据集的加载方式，包括数据集路径设置、训练与测试模式切换、数据下载及transform应用等关键步骤，为深度学习模型训练提供数据准备指导。
最低0.47元/天 解锁文章
datasets.MNIST()函数解析
michaelchan1234的博客
04-19 1万+
datasets.MNIST( root, train=True, transform=None, target_transform=None, download=False, ) Docstring: MNIST <http://yann.lecun.com/exdb/mnist/>_ Dataset. Args: root (string): Root directory of d...
torchvision.datasets.MNIST 的数据结构
程序猿视角
05-23 1520
对于 MNIST 数据集中的每一个图像， torchvision.datasets.MNIST 返回一个由两个元素组成的元组。第一个元素是 PIL.Image.Image 对象类型的图像，表示该图像的像素矩阵。而第二个元素则是一个整数，表示该图像所代表的数字。MNIST 数据集包含了大量的手写数字图像，每个图像都是 28 x 28 像素大小的灰度图像。通过这些代码，我们可以看到 MNIST 数据集中的每个样本都是一个尺寸为(1, 28, 28)的张量，其中 1 表示普通的灰度图像。
用 PyTorch 从零实现 MNIST 手写数字识别：完整流程与代码解析
shimeng121381027的博客
10-13 788
我们用 PyTorch 的nn.Module定义一个简单的三层全连接神经网络（输入层→隐藏层 1→隐藏层 2→输出层），并加入批归一化加速训练：​。训练过程是核心，我们需要遍历训练集多轮（num_epochs），每轮完成 "前向传播→计算损失→反向传播→更新参数"，并在测试集上评估性能：​。预期结果：训练损失会随着轮次增加逐渐下降，测试损失先下降后趋于稳定，最终测试准确率能达到 97% 以上（若优化超参数，可接近 99%）。训练完成后，我们绘制训练损失曲线，直观观察模型的收敛情况：​。
从零实现MNIST数据集中的识别手写数字
IN year
08-05 530
MNIST数据集是一个经典的手写数字数据集，广泛用于机器学习和图像识别任务的测试和训练。MNIST数据集包含了60000个训练样本和10000个测试样本，每个样本都是一个28x28像素的灰度图像，表示一个手写数字（0到9）。
第P1周：Pytorch实现mnist手写数字识别
weixin_44878162的博客
12-12 1026
第P1周：Pytorch实现mnist手写数字识别。
torchvision中datasets.MNIST介绍
欢迎来到道的世界
12-04 2万+
import argparse import logging import time from attack_method import Attack_methods import numpy as np import torch import torch.nn as nn import torch.nn.functional as F import torchvision from torchvision import datasets, transforms from torch.utils.data
PyTorch 1.0 中文文档：torchvision.datasets
weixin_30336061的博客
03-07 330
译者：BXuan694 所有的数据集都是torch.utils.data.Dataset的子类， 即：它们实现了__getitem__和__len__方法。因此，它们都可以传递给torch.utils.data.DataLoader，进而通过torch.multiprocessing实现批数据的并行化加载。例如： imagenet_data = torchvision.datasets.Ima...
导入FashionMNIST数据集时报错module ‘torchvision.datasets’ has no attribute ‘FashionMNIS’
01-07
torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor()) mnist_test = torchvision.datasets.FashionMNIST(root='~/Datasets/Fashion...
mnist_train = torchvision.datasets.FashionMNIST，Fashion-MNIST库下载速度太慢
MOZHOUH的博客
07-26 1770
学习李沐的动手学深度学习，导入Fashion-MNIST库的时候出现下载速度过慢的问题
torchvision.datasets.FashionMNIST报错[WinError 10054] 远程主机强迫关闭了一个现有的连接
小刘的博客
01-14 1691
项目场景： 在李沐老师视频课Softmax 回归 + 损失函数 + 图片分类数据集【动手学深度学习v2】中用到了FashionMNIST数据集。 问题描述： trans = transforms.ToTensor() #下载到上一级目录的data文件中，下载的是训练数据集，类型时tensor，从网上下载 mnist_train = torchvision.datasets.FashionMNIST( root="../data", train=True, transform=trans, down
Python torchvision.datasets 下常用数据集配置和使用方法
basketball616的博客
04-24 1012
提供了许多常用的数据集类，以下是一些常用方法（
Mnist Datasets.rar
07-26
包含pytorch使用的mnist数据集以及mnist原始数据集。用来实验
PyTorch 笔记（20）— torchvision 的 datasets、transforms 数据预览和加载、模型搭建（torch.nn.Conv2d/MaxPool2d/Dropout）
wohu1104的专栏
08-07 1万+
计算机视觉是深度学习中最重要的一类应用，为了方便研究者使用，PyTorch 团队专门开发了一个视觉工具包torchvision，这个包独立于 PyTorch，需通过 pip instal torchvision 安装。 torchvision 主要包含三部分： models：提供深度学习中各种经典网络的网络结构以及预训练好的模型，包括 AlexNet 、VGG 系列、ResNet 系列、Inception 系列等； datasets： 提供常用的数据集加载，设计上都是继承 torch.utils.data
Pytorch：torchvision.datasets
weixin_40522801的博客
05-07 1656
中文文档：https://ptorch.com/docs/8/torch-torchvision torchvision包括了目前流行的数据集，模型结构和常用的图片转换工具，是PyTorch中专门用来处理图像的库。这个包中有四个大类： torchvision.datasets torchvision.models torchvision.transforms torchvision.u...
Torchvision中datasets.MNIST设计方法分析
码农1479的博客
03-27 4254
本文分析了torchvision中MNIST数据集的设计思路，学习如何设计自己的数据集模块。
Pytorch——torchvision.datasets
talkAC的博客
12-10 3259
torchvision 是PyTorch中专门用来处理图像的库，这个包中有四个大类。 torchvision.datasets torchvision.models torchvision.transforms torchvision.utils torchvision.datasets 是用来进行数据加载的，PyTorch团队在这个包中提前处理好了很多很多图片数据集。 MNIST COCO（用于图像标注和目标检测）(Captioning and Detection) LSUN Classif
PyTorch手写数字识别(MNIST数据集)
热门推荐
Steven的博客
06-05 3万+
MNIST 手写数字识别是一个比较简单的入门项目，相当于深度学习中的 Hello World，可以让我们快速了解构建神经网络的大致过程。虽然网上的案例比较多，但还是要自己实现一遍。代码采用 PyTorch 1.0 编写并运行...
torchvision学习之torchvision.datasets
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
07-27 1万+
torchvision包 包含了目前流行的数据集，模型结构和常用的图片转换工具 torchvision.datasets torchvision.datasets中包含了以下数据集 MNIST COCO（用于图像标注和目标检测）(Captioning and Detection) LSUN Classification ImageFolder Imagenet-12 CIFAR10 and CIFAR100 STL10 Datasets拥有以下API: __getitem____le..
from torchvision.datasets import FashionMNIST出错
最新发布
10-23
<think>我们正在解决用户关于从torchvision.datasets导入FashionMNIST时出现的错误。根据引用[1]中的描述，错误信息是“module 'torchvision.datasets' has no attribute 'FashionMNIS’”，这里注意用户可能拼写错误（应该是FashionMNIST）。此外，引用[2]和[3]展示了正确使用FashionMNIST数据集的代码示例，引用[4]则提到了下载MNIST数据集时遇到的问题和解决方案（如下载源问题）。 用户的问题：导入FashionMNIST数据集时报错，属性不存在。 可能的原因和解决方案： 1. 拼写错误：确保在代码中正确拼写“FashionMNIST”（注意全部大写，并且最后是IST而不是IS）。 2. torchvision版本问题：旧版本的torchvision可能没有包含FashionMNIST数据集。FashionMNIST是在torchvision 0.2.0版本中引入的。因此，需要检查torchvision版本并升级到最新版本。 3. 下载问题：如果使用download=True，可能会因为网络问题无法下载，或者下载源不可用（引用[4]提到默认下载源可能无法访问）。解决方案是手动下载数据集并放置在正确目录，或者更改下载源。 4. 数据集存放路径：手动下载后需要解压并放在正确的目录下（root参数指定的目录下），且目录结构要符合要求。 步骤： 第一步：检查拼写 确保代码中写的是`torchvision.datasets.FashionMNIST`，注意大小写。 第二步：检查torchvision版本 在Python环境中运行： ```python import torchvision print(torchvision.__version__) ``` 如果版本低于0.2.0，则需要升级： ```bash pip install --upgrade torchvision ``` 第三步：尝试手动下载（如果自动下载失败） 由于网络问题，自动下载可能会失败。可以手动下载数据集并放在指定目录。 下载地址（官方提供）： 训练集：http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz 训练标签：http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz 测试集：http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz 测试标签：http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz 下载后，将它们放入`root`参数指定的目录（例如'./data'）中，然后解压（注意，解压后的文件不要带.gz后缀，但有时需要保留.gz后缀？实际上，torchvision.datasets.FashionMNIST会处理压缩文件，但如果你已经解压，它也会读取解压后的文件。因此，推荐两种方式： 方式1：不解压，保留.gz文件，程序会自动解压（如果发现没有解压过的文件）。 方式2：解压，得到四个文件（注意解压后的文件名应该与下载时一致，去掉.gz后缀）。 正确的目录结构示例： ``` ./data/FashionMNIST/raw/ train-images-idx3-ubyte train-labels-idx1-ubyte t10k-images-idx3-ubyte t10k-labels-idx1-ubyte ``` 或者（如果保留压缩包）： ``` ./data/FashionMNIST/raw/ train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz ``` 第四步：使用代码时设置download=False，这样它会尝试从本地读取。 第五步：更改下载源（可选） 如果希望自动下载成功，可以更改下载源（引用[4]提到的方法），但FashionMNIST的官方源在国内访问可能没有问题，所以优先尝试手动下载。 代码示例（参考引用[2]和[3]）： ```python import torch from torchvision import datasets from torchvision.transforms import ToTensor from torch.utils.data import DataLoader # 设置数据目录 root = './data' # 如果自动下载失败，可以尝试手动下载后设置download=False train_data = datasets.FashionMNIST( root=root, train=True, transform=ToTensor(), download=False # 如果已经手动下载，设置为False ) test_data = datasets.FashionMNIST( root=root, train=False, transform=ToTensor(), download=False ) ``` 如果手动下载后仍然报错，请检查目录结构是否正确。 第六步：如果以上都不行，考虑清除缓存，重新下载（删除root目录下的FashionMNIST文件夹，然后重新运行并设置download=True，看是否能自动下载）。 总结：主要检查拼写、版本、手动下载数据集放置位置。 生成相关问题： 1. 如何升级PyTorch和torchvision到指定版本？ 2. 如何手动下载PyTorch中的数据集并正确放置？ 3. 除了FashionMNIST，torchvision.datasets还支持哪些数据集？ 4. 如何解决PyTorch中数据集下载的网络问题？ 注意：在回答中，我们引用的内容来自用户提供的引用[1]、[2]、[3]、[4]，其中引用[1]直接提到了错误，引用[2]和[3]是正确使用示例，引用[4]提供了手动下载的思路。 </think>### 解决导入FashionMNIST数据集出错的问题 当出现`AttributeError: module 'torchvision.datasets' has no attribute 'FashionMNIS'`错误时，通常由以下原因导致（根据引用内容分析）： #### 主要原因分析 1. **拼写错误**（最常见）： `FashionMNIS` 应为 `FashionMNIST`（缺少最后一个字母 T）[^1] 2. **版本兼容问题**： - 旧版 torchvision 可能未包含 FashionMNIST 数据集 - PyTorch 与 torchvision 版本不匹配 3. **数据集路径配置错误**： - 手动下载的数据集存放位置不正确 - 未正确设置 `root` 参数指向数据集目录 4. **下载源访问问题**： - 国内访问官方源 `http://yann.lecun.com` 可能失败[^4] --- ### 解决方案步骤 #### 1. 检查并修正拼写错误 ```python # 错误写法 ❌ from torchvision.datasets import FashionMNIS # 正确写法 ✅ from torchvision.datasets import FashionMNIST # 注意完整拼写[^1] ``` #### 2. 验证 torchvision 版本 ```python import torchvision print(torchvision.__version__) # 需要 ≥ 0.9.0 版本 ``` - **升级命令**： ```bash pip install --upgrade torch torchvision ``` #### 3. 正确配置数据集路径 ```python from torchvision.datasets import FashionMNIST from torch.utils.data import DataLoader # 设置数据集存放路径（重点！） train_data = FashionMNIST( root='./data/FashionMNIST', # 自定义目录 train=True, transform=transforms.ToTensor(), download=False # 手动下载时设为False[^3] ) test_data = FashionMNIST( root='./data/FashionMNIST', train=False, transform=transforms.ToTensor(), download=False ) ``` #### 4. 手动下载数据集（推荐） 1. **下载文件**（官方源）： - [训练图像](http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-images-idx3-ubyte.gz) - [训练标签](http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz) - [测试图像](http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-images-idx3-ubyte.gz) - [测试标签](http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/t10k-labels-idx1-ubyte.gz) 2. **文件存放位置**： ``` ./data/FashionMNIST ├── raw │ ├── train-images-idx3-ubyte │ ├── train-labels-idx1-ubyte │ ├── t10k-images-idx3-ubyte │ └── t10k-labels-idx1-ubyte └── processed # 自动生成 ``` 3. **解压文件**： ```bash gunzip *.gz # 解压所有.gz文件[^4] ``` #### 5. 使用国内镜像源（可选） 修改下载源解决网络问题： ```python # 在代码前设置镜像源 import os os.environ['TORCHVISION_DATASETS_MIRROR'] = 'https://mirror.example.com/' ``` --- ### 完整正确示例 ```python import torch from torchvision import datasets, transforms from torch.utils.data import DataLoader # 1. 设置变换和路径 transform = transforms.ToTensor() root_path = './data/FashionMNIST' # 2. 加载数据集（手动下载模式） train_data = datasets.FashionMNIST( root=root_path, train=True, transform=transform, download=False # 已手动下载[^2] ) test_data = datasets.FashionMNIST( root=root_path, train=False, transform=transform, download=False ) # 3. 创建数据加载器 BATCH_SIZE = 64 train_loader = DataLoader( dataset=train_data, batch_size=BATCH_SIZE, shuffle=True ) test_loader = DataLoader( dataset=test_data, batch_size=BATCH_SIZE, shuffle=False ) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值