解决Python中下载cifar-10数据集缓慢问题

解决Python中下载cifar-10数据集缓慢问题

??最近需要使用cifar-10数据集进行开发，但是使用Python在下载的时候发现速度非常慢。下面介绍一下我的解决方法。

1、下载cifax-10数据集，如果使用Python进行下载的话速度比较慢，这里建议你直接到官网进行下载，官网： 直接点击下载即可。示例：

然后选择合适的位置保存即可，示例：

2、对下载好的文件进行解压。示例：

文件的目录如下所示：

3、使用Python3读取cifar-10中的数据。示例代码：

def load_file(filename):
    # filename表示需要读取文件的路径
    with open(filename,‘rb‘) as fo:
        data = pickle.load(fo,encoding=‘latin1‘)   # bytes 官方的例程    latin1 读取数据
    return data

提示：上面的方法需要自己编写程序进行读取。需要时刻注意文件的路径。

4、上面的方法需要自己编写程序进行数据的读取，编写过程比较麻烦，而且容易出错。下面介绍使用Keras库中的cifar10.load_data()函数进行数据读取，直接可以读取出训练集和测试集。这里需要你首先安装tensorflow库和Keras库。

（1）将刚才下载的压缩文件直接复制，放到Keras库的数据集文件夹下，一般情况下在"C:\Users\用户名.keras\datasets" 下，如果有特殊情况读者可以自行寻找，然后将压缩文件粘贴到datasets文件夹下即可。

（2）修改文件名。将文件名由：cifar-10-python.tar.gz 改为：cifar-10-batches-py.tar.gz点击保存即可。示例：

（3）修改好文件名之后，直接退出，使用Python代码直接读取数据。示例：

from keras.datasets import cifar10  # 读取数据集
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

提示：当上面程序运行时，会自动将压缩包进行解压操作，无需自己手动进行解压。

至此，当数据解压完成之后，就可以使用Keras库内置的函数进行读取数据了。