### 加载和可视化 CIFAR-10 数据集 #### 使用 PyTorch 和 torchvision 库加载数据集 PyTorch 提供了一个简单的方法来加载 CIFAR-10 数据集。可以利用 `torchvision.datasets.CIFAR10` 类直接从官方源下载并加载数据集[^2]。 以下是完整的代码实现： ```python import torch from torchvision import datasets, transforms from torch.utils.data import DataLoader import matplotlib.pyplot as plt import numpy as np # 定义数据预处理方式 transform = transforms.Compose([ transforms.ToTensor(), # 将图像转换为张量 ]) # 下载并加载训练集 train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 创建DataLoader对象 train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True) ``` #### 可视化 CIFAR-10 数据集中的图片 为了可视化 CIFAR-10 中的图片，可以通过以下步骤完成：先获取一批数据样本，再将其转化为 NumPy 数组以便于绘制图形[^3]。 下面是可视化的具体代码示例： ```python def imshow(img): img = img / 2 + 0.5 # Unnormalize the image tensor npimg = img.numpy() # Convert to a NumPy array plt.imshow(np.transpose(npimg, (1, 2, 0))) # Transpose dimensions for plotting plt.show() # 获取一些随机训练图像 dataiter = iter(train_loader) images, labels = next(dataiter) # 显示图像 imshow(torchvision.utils.make_grid(images[:4])) # Display first four images in the grid format print(' '.join(f'{train_dataset.classes[labels[j]]:5s}' for j in range(4))) ``` 这段代码会显示前四张图片及其对应的标签名称[^4]。 #### 解释 CIFAR-10 的结构 CIFAR-10 是一个由 60000 张彩色图像组成的数据集，其中每类有 6000 张图片，总共分为十个类别。这些类别分别是飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船以及卡车[^1]。 如果需要手动解析 pickle 文件，则可采用如下方法读取原始数据文件的内容，并执行相应的反序列化操作以提取图像像素矩阵与对应标签列表: ```python import pickle def unpickle(file_path): with open(file_path, 'rb') as fo: dict_data = pickle.load(fo, encoding='bytes') return dict_data file_path = './cifar-10-batches-py/data_batch_1' batch_dict = unpickle(file_path) features = batch_dict[b'data'] labels = batch_dict[b'labels'] # 转换特征向量到 RGB 图像形式 r = features[:, :1024].reshape(-1, 32, 32) # Red channel g = features[:, 1024:2048].reshape(-1, 32, 32) # Green channel b = features[:, 2048:].reshape(-1, 32, 32) # Blue channel image_array = np.dstack((r, g, b)) # Stack channels together into an RGB image plt.imshow(image_array[0]) plt.show() ``` 此脚本展示了如何通过 Python 的标准库 `pickle` 来解码存储在二进制格式下的 CIFAR-10 批次文件，并从中抽取单幅图像进行渲染输出。