import torchvision.datasets as dsetsimport torchvision.transforms as transformsimport torch.nn.initimport torch.nn.functional as Fdevice = "cuda" if torch.cuda.is_available() else "cpu"print(device)learning_rate = 0.001training_epochs = 15batch_size = 100mnist_train = dsets.MNIST(root='MNIST_data/', # 指定下载路径                          train=True, # 指定为True以下载训练数据                          transform=transforms.ToTensor(), # 转换为张量                          download=True)mnist_test = dsets.MNIST(root='MNIST_data/', # 指定下载路径                         train=False, # 指定为False以下载测试数据                         transform=transforms.ToTensor(), # 转换为张量                         download=True)

这是使用CNN加载MNIST数据分类代码的数据部分

我在参考的书中提到，只需提到那部分就可以查看训练集和测试集中有多少特定数值数据。

例如，你能告诉我训练集或测试集中有多少个’5’的数据吗？

我知道可以通过mnist_train.train_data或mnist_train.train_labels等访问数据张量，但我不知道如何知道特定数值数据的数量。请帮助我

回答：

你可以分别使用data和targets属性来访问数据集的任何分割的数据和标签。例如，这里你可以使用mnist_train.data和mnist_train.labels分别访问训练数据和标签。

由于这个数据集的targets属性是一个torch.Tensor，你可以通过使用torch.bincount来统计每个目标的实例数量。由于总共有10个类别，输出将是一个长度为10的张量，其中第i个索引指定了类别i的数据点的数量。

示例：

>>> mnist_train = dsets.MNIST(root='MNIST_data/', train=True, transforms.ToTensor(), download=True)>>> mnist_train.targetstensor([5, 0, 4,  ..., 5, 6, 8])>>> torch.bincount(mnist_train.targets, minlength=10)tensor([5923, 6742, 5958, 6131, 5842, 5421, 5918, 6265, 5851, 5949])

你可以看到类别5在训练分割中拥有5,421个数据点。