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¶

            import paddle
import paddle.nn as nn
from paddle.vision.datasets import Cifar100
from paddle.vision.transforms import Normalize

class SimpleNet(paddle.nn.Layer):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc = nn.Sequential(
            nn.Linear(3072, 10),
            nn.Softmax())

    def forward(self, image, label):
        image = paddle.reshape(image, (1, -1))
        return self.fc(image), label


normalize = Normalize(mean=[0.5, 0.5, 0.5],
                    std=[0.5, 0.5, 0.5],
                    data_format='HWC')
cifar100 = Cifar100(mode='train', transform=normalize)

for i in range(10):
    image, label = cifar100[i]
    image = paddle.to_tensor(image)
    label = paddle.to_tensor(label)

    model = SimpleNet()
    image, label = model(image, label)
    print(image.numpy().shape, label.numpy().shape)

           