### torchvision.datasets.CIFAR10 自动下载数据集行为 #### `root` 参数 `root` 参数指定了 CIFAR-10 数据集的存储目录。如果数据集尚未存在于该目录中，并且 `download=True`，则会自动从互联网下载数据集并保存到指定路径[^3]。例如，当设置 `root='./data'` 时，数据集将被下载到当前工作目录下的 `./data` 文件夹中。 #### `train` 参数 `train` 参数决定了是否加载训练集或测试集。如果 `train=True`，则加载训练集；如果 `train=False`，则加载测试集[^4]。无论加载的是训练集还是测试集，只要满足 `download=True` 且数据集不存在于指定路径，都会触发自动下载行为。 #### 自动下载行为 `download` 参数控制是否自动下载数据集。如果设置为 `True`，当指定路径中不存在数据集时，系统会自动从互联网下载数据集[^3]。如果设置为 `False`，并且数据集不存在，则会抛出错误提示数据集未找到。 以下是一个示例代码，展示如何使用 `torchvision.datasets.CIFAR10` 并利用自动下载功能： ```python import torchvision.datasets as datasets import torchvision.transforms as transforms # 定义数据预处理变换 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) # 加载训练集并自动下载 trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 加载测试集并自动下载 testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform) ``` #### 数据集加载与 DataLoader 配合 加载的数据集可以传递给 `torch.utils.data.DataLoader`，以便在训练过程中进行批量数据加载和随机打乱操作[^4]。例如： ```python from torch.utils.data import DataLoader # 创建 DataLoader trainloader = DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2) testloader = DataLoader(testset, batch_size=4, shuffle=False, num_workers=2) ``` #### 注意事项 - 如果网络环境较差或无法访问互联网，确保手动下载数据集并放置在指定路径下。 - 在多线程环境中（如 `num_workers > 0`），可能需要调整权限以避免文件访问冲突。