MNIST

class paddle.vision.datasets. MNIST ( image_path=None, label_path=None, mode='train', transform=None, download=True, backend=None ) [源代码]

MNIST 数据集的实现。

参数

  • image_path (str，可选) - 图像文件路径，如果 download 参数设置为 True，image_path 参数可以设置为 None。默认值为 None，默认存放在：~/.cache/paddle/dataset/mnist。

  • label_path (str，可选) - 标签文件路径，如果 download 参数设置为 True，label_path 参数可以设置为 None。默认值为 None，默认存放在：~/.cache/paddle/dataset/mnist。

  • mode (str，可选) - 'train' 或 'test' 模式两者之一，默认值为 'train'。

  • transform (Callable，可选) - 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，可选) - 当 data_file 是 None 时，该参数决定是否自动下载数据集文件。默认值为 True。

  • backend (str，可选) - 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.vision.get_image_backend 获得这个值。默认值为 None。

返回

Dataset，MNIST 数据集实例。

代码示例

import itertools
import paddle.vision.transforms as T
from paddle.vision.datasets import MNIST


mnist = MNIST()
print(len(mnist))
# 60000

for i in range(5):  # only show first 5 images
    img, label = mnist[i]
    # do something with img and label
    print(type(img), img.size, label)
    # <class 'PIL.Image.Image'> (28, 28) [5]


transform = T.Compose(
    [
        T.ToTensor(),
        T.Normalize(
            mean=[127.5],
            std=[127.5],
        ),
    ]
)

mnist_test = MNIST(
    mode="test",
    transform=transform,  # apply transform to every image
    backend="cv2",  # use OpenCV as image transform backend
)
print(len(mnist_test))
# 10000

for img, label in itertools.islice(iter(mnist_test), 5):  # only show first 5 images
    # do something with img and label
    print(type(img), img.shape, label)
    # <class 'paddle.Tensor'> [1, 28, 28] [7]

使用本API的教程文档