torchvision.datasets.cifar.CIFAR10是否是一个列表?

当我试图了解torchvision.datasets.cifar.CIFAR10内部是什么时,我编写了一些简单的代码

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,                                    download=True, transform=transform)print(trainset[1])print(trainset[:10])print(type(trainset))

然而,当我尝试时,我得到了一些错误

print(trainset[:10])

错误信息是

TypeError: Cannot handle this data type

我想知道为什么我可以使用trainset[1],但不能使用trainset[:10]


回答:

CIFAR10不支持切片操作,这就是你得到那个错误的原因。如果你想要前10个,你需要这样做:

print([trainset[i] for i in range(10)])

更多信息

你可以对CIFAR10类的实例进行索引操作的主要原因是该类实现了__getitem__()函数。

所以,当你调用trainset[i]时,实际上是在调用trainset.__getitem__(i)

现在,在Python3中,切片表达式也是通过__getitem__()处理的,其中切片表达式作为一个slice对象传递给__getitem__()

因此,trainset[2:10]相当于trainset.__getitem__(slice(2, 10))

由于传递给__getitem__的两种不同类型的对象预期执行完全不同的事情,你必须明确处理它们。

不幸的是,CIFAR10类中的__getitem__方法实现并没有这样做,如下所示:

def __getitem__(self, index):    if self.train:        img, target = self.train_data[index], self.train_labels[index]    else:        img, target = self.test_data[index], self.test_labels[index]    # 这样做是为了与所有其他数据集保持一致    # 返回一个PIL图像    img = Image.fromarray(img)    if self.transform is not None:        img = self.transform(img)    if self.target_transform is not None:        target = self.target_transform(target)    return img, target

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注