2019-04-30 手把手教你用pytorch实现迁移学习（第一部分-如何构建一个全连接网络）——1.在Pytorch中导入Cifar-10 数据集

一.导入所需要的包：

1 导入和数据处理相关的python包

需要用到的标准库（深度学习/图像处理/数据处理相关）

2 导入本地模块和函数

导入我们在本教程中开发的一些类和函数，后面会挨个讲解

二.导入数据集：

使用TorchVision的Dataset模块中提供的CIFAR10函数下载数据的训练和测试集。

通过train=true标志来表示我们想要将其作为训练集。然后通过train=false来说明我们将其作为测试集。

因为是第一次使用这个数据集，所以用download=True来表示我们需要先从指定url下载数据集。

当首次运行此单元并且成功下载数据集后，就要将download参数更改为false，以避免每次重复下载。

导入CIFAR-10数据集

以上代码为我们提供了两个数据集对象，他们的类型是:

Pytorch的DataSet类是主要用来进行数据集表示的类，而我们刚刚用到的是DataSet类的一个子类，这个特殊的类表示存储在其内部数据结构中的cifar-10数据。随后，这些对象就会传递给Pytorch的Dataloader对象（稍后马上会有进一步解释），以便进行下一步图像数据处理。

三.查看数据集大小：

下载完成后，可以通过以下语句查看一下数据集的大小：

训练集有50k图片，而测试集有10k

四.查看每张图片的形状：

50k张32x32的三通道彩色图片

五.用matplotlib包预览一张图片看看

查看第100张图片，Emmm看起来像条船

就像上图我们看到的那样，图像相当模糊，并且分辨率很低（32×32）.

经过以上步骤，我们就完成了数据集的下载和导入，并且对这个数据集有了一些简单的了解。

接下来要对数据集进行一些预处理工作。