我正在用PyTorch编写一个著名的MNIST手写数字数据库问题的代码。我从主网站下载了训练和测试数据集，包括带标签的数据集。数据集的格式是t10k-images-idx3-ubyte.gz，解压后是t10k-images-idx3-ubyte。我的数据集文件夹结构如下
MINST Data train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz现在，我编写了如下加载数据的代码
def load_dataset(): data_path = "/home/MNIST/Data/" xy_trainPT = torchvision.datasets.ImageFolder( root=data_path, transform=torchvision.transforms.ToTensor() ) train_loader = torch.utils.data.DataLoader( xy_trainPT, batch_size=64, num_workers=0, shuffle=True ) return train_loader我的代码显示支持的扩展名有：.jpg,.jpeg,.png,.ppm,.bmp,.pgm,.tif,.tiff,.webp
如何解决这个问题？我还想检查我的图像是否已经从数据集中加载（只需显示包含前5张图像的图形）？
回答：
阅读此文通过Python从.idx3-ubyte文件或GZIP中提取图像
更新
你可以使用以下格式导入数据
xy_trainPT = torchvision.datasets.MNIST( root="~/Handwritten_Deep_L/", train=True, download=True, transform=torchvision.transforms.Compose([torchvision.transforms.ToTensor()]),)现在，关于download=True，你的代码首先会检查根目录（你提供的路径）是否包含任何数据集。
如果没有，数据集将从网络下载。
如果有，此路径已经包含一个数据集，那么你的代码将使用现有数据集运行，并且不会从互联网下载。
你可以测试一下，先提供一个不包含任何数据集的路径（数据将从网络下载），然后提供另一个已经包含数据集的路径，数据将不会被下载。
