当前位置: 首页 > news >正文

Python 手写数字识别 MNIST数据集下载失败

目录

一、MNIST数据集下载失败

1 失败的解决办法(经验教训):

2 亲测有效的解决方法:


一、MNIST数据集下载失败

场景复现:想要pytorch+MINIST数据集来实现手写数字识别,首先就是进行MNIST数据集的下载,但是下载失败了。

import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt
import os
import cv2# 下载mnist手写数据集
train_data = torchvision.datasets.MNIST(root='./data/MNIST/',  # 保存或提取的位置  会放在当前文件夹中train=True,  # true说明是用于训练的数据,false说明是用于测试的数据transform=torchvision.transforms.ToTensor(),  # 转换PIL.Image or numpy.ndarraydownload=True,  # 是否下载到 root指定的位置,如果指定的root位置已经存在该数据集,则不再下载
)test_data = torchvision.datasets.MNIST(root='./data/MNIST/',train=False,  # 表明是测试集download=True,  # 是否下载到 root指定的位置,如果指定的root位置已经存在该数据集,则不再下载
)

报错

 

1 失败的解决办法(经验教训):

看到网上的方法,尝试一下,

(1)从http://yann.lecun.com/exdb/mnist/网址下载四个MNIST数据压缩包,

(2)下载完成后放入任意文件夹。将文件目录复制放到浏览器链接窗口处,并复制浏览器上的url,

(3)找到mnist.py文件 ,对于我个人而言,我的mnist.py文件在D:\my\python-pycharm\python-envs\venv-deep\Lib\site-packages\torchvision\datasets下,

将源代码中的urls注释掉,将自己浏览器上的url地址复制过去,

(4)对文件进行保存修改,然后重新运行代码,还是下载失败了,不清楚什么原因。

2 亲测有效的解决方法:

突然想到了既然报错的是下面所示的第一个下载方式不行,

http://yann.lecun.com/exdb/mnist/

那么我们就试试第二种下载路径看看可不可以,

https://ossci-datasets.s3.amazonaws.com/mnist/

(1)因此,把两个下载路径调换位置, 第二种下载路径放在前面,

(2)对文件进行保存修改,然后重新运行代码即可。

注:代码运行中断后,已经下载了mnist文件夹,你重新运行时需要找到这个文件夹并删除,否则将报错。

 

相关文章:

Python 手写数字识别 MNIST数据集下载失败

目录 一、MNIST数据集下载失败 1 失败的解决办法(经验教训): 2 亲测有效的解决方法: 一、MNIST数据集下载失败 场景复现:想要pytorchMINIST数据集来实现手写数字识别,首先就是进行MNIST数据集的下载&am…...

华为机试题:HJ61 放苹果(python)

文章目录博主精品专栏导航知识点详解1、input():获取控制台(任意形式)的输入。输出均为字符串类型。1.1、input() 与 list(input()) 的区别、及其相互转换方法2、print() :打印输出。3、整型int() :将指定进制&#xf…...

【论文速递】ICCV2021 - 基于超相关压缩实现实时高精度的小样本语义分割

【论文速递】ICCV2021 - 基于超相关压缩的小样本语义分割 【论文原文】:Hypercorrelation Squeeze for Few-Shot Segmentation 【作者信息】:Juhong Min Dahyun Kang Minsu Cho 获取地址:https://openaccess.thecvf.com/content/ICCV2021/…...

单例模式(Singleton Pattern)

目录 1.什么是单例模式: 2.单例模式存在的原因: 3.单例模式的优缺点: 4.创建方式: 1. 单线程单例模式立即创建(饿汉式): 2. 单线程单例模式延迟创建(懒汉式)&#xf…...

docker file和compose

文章目录1.dockerfile(单机脚本)1.概念2.原理3.dockerfile核心四步4.命令2.docker compose1.概念2.注意事项3.常用字段4.常用命令1.dockerfile(单机脚本) 1.概念 通过脚本,生成一个镜像,并运行对应的容器…...

如何解决thinkphp验证码不能显示问题?

thinkPHP做验证码这一块,可以使用自带的验证码扩展,具体步骤如下: 一、安装扩展 composer require topthink/think-captcha 二、模版中使用 将原来静态页面的验证码图片替换为{:captcha_img()},这个会自动生成验证码图片。 <div>{:captcha_img()}</div> 或者 &…...

Vue极简使用

Vue安装Vue模板语法安装Vue 安装nodejs 这里我安装的是14.5.4版本 https://nodejs.org/download/release/v14.15.4/解压后配置一下环境变量就行 安装cnpm镜像 (这个安装的版本可能过高&#xff0c;后面安装Vue可能出问题) npm install -g cnpm --registryhttps://registry…...

【Nacos】Nacos配置中心服务端源码分析

上文说了Nacos配置中心客户端的源码流程&#xff0c;这篇介绍下Nacos配置中心服务端的源码。 服务端的启动 先来看服务启动时干了啥&#xff1f; init()方法上面有PostConstruct&#xff0c;该方法会在ExternalDumpService实例化后执行。 com.alibaba.nacos.config.server.s…...

第十五章 栅格数据重分类、栅格计算器、插值分析

文章目录第十五章 栅格数据分析第一章 栅格数据重分类第一节 栅格数据重分类第二节 栅格重分类的使用第三节 重分类的使用中的空值使用第四节 重分类的案例&#xff1a;分类统计面积第五节 坡度矢量分级图生成第二章 栅格计算器第一节 栅格计算器介绍第二节 栅格计算器使用第三…...

CS5260测试版|CS5260demoboard|typec转VGA参考PCB原理图

CS5260测试版|CS5260demoboard|typec转VGA参考PCB原理图 CS5260是一款高度集成的TYPEC转VGA转换方案芯片。 CS5260输出端接口:外接高清VGA设备如:显示器投影机电视带高清的设备&#xff0c;广泛应用于 笔记本Macbook Air 12寸USB3.1输出端对外接高清VGA设备如:显示器投影机电视…...

winform开发心得

最近一直在从事winform的开发&#xff0c;每次都是需要从网上查找资料才能对应具体风格要求&#xff0c;现在总结一下。 ui方面可以使用CSkin对应的一套ui&#xff0c;使用步骤 1.在窗口界面&#xff0c;工具箱空白处点击右键&#xff0c;弹出菜单有个”选择项“&#xff0c;点…...

学习周报-2023-0210

文章目录一 在SUSE11sp3系统中将openssh从6升级到8一 需求二 系统环境三 部署流程1.上传编译安装的软件包2.安装 gcc编译软件3.安装依赖zlib4.安装依赖openssl5.安装openssh二 在CentOS-6.9配置apache服务&#xff08;3&#xff09;---虚拟主机配置一 定义二 系统环境三 基于域…...

百度富文本UE的问题集合

百度富文本编辑能上传视频成功但是在浏览器不能播放、显示的问题百度富文本视频封面空白问题百度富文本编辑器UMEditor 添加视频无法删除百度富文本编辑器结果存数据库取出来到js赋值报错怎么让浏览器重新加载修改过的JS文件&#xff0c;而不是沿用缓存里的百度富文本编辑能上传…...

在Linux上安装node-v14.17.3和npm-6.14.13

记录&#xff1a;374场景&#xff1a;在CentOS 7.9操作系统上&#xff0c;安装node-v14.17.3-linux-x64环境。包括node-v14.17.3和npm-6.14.13。node命令应用和npm命令应用。版本&#xff1a;JDK 1.8 node v14.17.3 npm 6.14.13官网地址&#xff1a;https://nodejs.org/下载地址…...

机器学习框架sklearn之特征降维

目录特征降维概念特征选择过滤式①低方差特征过滤②相关系数③主成分分析特征降维 0维 标量 1维 向量 2维 矩阵 概念 降维是指在某些限定条件下&#xff0c;降低随机变量&#xff08;特征&#xff09;个数&#xff0c;得到一组“不相关”主变量的过程 注&#xff1a;正是…...

java实现二叉树(一文带你详细了解二叉树的)

&#x1f387;&#x1f387;&#x1f387;作者&#xff1a; 小鱼不会骑车 &#x1f386;&#x1f386;&#x1f386;专栏&#xff1a; 《数据结构》 &#x1f393;&#x1f393;&#x1f393;个人简介&#xff1a; 一名专科大一在读的小比特&#xff0c;努力学习编程是我唯一…...

学弟学妹少走弯路,超完整算法刷题路线出炉

大家好&#xff0c;我是帅地。 本篇文章主要讲解下面三个事&#xff1a; 1、自己学习算法的一些经历 2、大家学习算法存在的一些普遍问题 3、给大家规划的算法刷题路线 一、算法学习往事 记得当初学了 C 语言就开始刷题了&#xff0c;刷题倒不是面试&#xff0c;而是为了…...

Windows截取gif动态图的软件 ScreenToGif 的安装、使用教程

一、概述 &#x1f449;GIF&#xff08;Graphics Interchange Format&#xff09;&#xff0c;又称图形交换格式&#xff0c;是一种公用的图像文件格式标准&#xff0c;于1987年由Compu Serve公司成功研发并推出。 &#x1f449;GIF用于以超文本标志语言方式显示索引彩色图像&a…...

C++程序设计——多态:虚函数、抽象类、虚函数表

注&#xff1a;以下示例均是在VS2019环境下 一、多态的概念 通俗来讲&#xff0c;多态就是多种形态&#xff0c;当不同的对象去完成某个行为时&#xff0c;会产生出不同的状态。即不同继承关系的类对象&#xff0c;去调用同一函数时&#xff0c;产生不同的行为。 比如”叫“这…...

OpenMMLab AI实战营 第6课 语义分割与MMSegmentation

第6课 语义分割与MMSegmentation 1. 语义分割简介 任务&#xff1a;将图像按照物体的类别分割成不同的区域&#xff0c;等价于对每个像素进行分类应用 无人驾驶人像分割智能遥感医疗影像分析 语义分割 vs 实例分割 vs 全景分割 语义分割&#xff1a;仅考虑像素的类别&#xf…...

渗透测试之信息收集:这些技巧决定了渗透成败

渗透测试之信息收集&#xff1a;这些技巧决定了渗透成败作者&#xff1a;浅木先生前言 做渗透测试久了&#xff0c;你会越来越认同一个观点&#xff1a;信息收集的质量直接决定渗透测试的成败。 同样的目标URL&#xff0c;不同人扫出来的结果完全不同——有人只能扫出后台登录页…...

如何应对论文AIGC检测算法升级?2026实测5大降AI工具(附优缺点)

最近看了一些行业报告&#xff0c;AI工具在写作方面的普及率真的已经超乎想象了。 很多大学生在写论文时也都习惯用AI来辅助寻找灵感、提高效率。 与此同时&#xff0c;相关部门针对人工智能写作出台了一系列规定&#xff0c;各大学术检测平台也都在不断升级AIGC检测算法。 现…...

香港科技大学(广州)的研究者如何让AI记忆力翻倍

这项由香港科技大学&#xff08;广州&#xff09;主导的研究成果发表于2026年第43届国际机器学习大会&#xff08;ICML 2026&#xff09;&#xff0c;会议地点为韩国首尔&#xff0c;论文收录于PMLR第306卷。论文预印本编号为arXiv:2605.05838&#xff0c;有兴趣深入了解的读者…...

别再只会用555了!用继电器搭建LED闪烁电路的3个隐藏知识点(附电路图)

继电器驱动LED闪烁电路&#xff1a;超越555的三大物理奥秘与实战设计 在电子爱好者的世界里&#xff0c;LED闪烁电路就像"Hello World"之于程序员&#xff0c;是入门必修的第一课。大多数教程会引导初学者使用555定时器这种"标准化方案"&#xff0c;却很少…...

面壁智能开源端侧多模态大模型MiniCPM-V 4.6,性能登顶同尺寸榜首,降低开发门槛

【导语&#xff1a;5月13日&#xff0c;面壁智能联合清华大学与OpenBMB开源社区&#xff0c;发布并开源新一代端侧多模态大模型MiniCPM-V 4.6。该模型以轻量级参数实现性能与效率突破&#xff0c;在评测中超越竞品&#xff0c;还降低了运行内存需求和计算成本&#xff0c;支持多…...

ArcGIS Pro新手教程:用‘创建常量栅格’和‘镶嵌’工具,5步精准提取中国区域气温NC数据

ArcGIS Pro精准提取中国区域气温数据的5步进阶指南 当全球气象数据遇上区域研究需求&#xff0c;如何高效提取目标范围信息成为地理信息科学领域的常见挑战。以中国陆地区域气温分析为例&#xff0c;传统方法往往面临数据冗余、边界锯齿和格式转换三大痛点。本文将揭示一套基于…...

从零到一:翁恺C语言MOOC实战习题精解与编程思维构建

1. 为什么选择翁恺老师的C语言课程&#xff1f; 作为国内最受欢迎的编程入门课程之一&#xff0c;翁恺老师在MOOC平台上的C语言课程已经帮助超过百万学习者打开了编程世界的大门。我当年自学C语言时&#xff0c;也是从这套课程起步的。与其他课程相比&#xff0c;翁老师的教学有…...

AI智能体协同框架agentsync:事件驱动与状态同步实战解析

1. 项目概述与核心价值最近在探索AI智能体&#xff08;Agent&#xff09;的协同工作流时&#xff0c;我遇到了一个非常有意思的项目&#xff1a;obielin/agentsync。乍一看这个名字&#xff0c;你可能会联想到“代理同步”&#xff0c;但它的内涵远不止于此。简单来说&#xff…...

解决claude code频繁封号问题转向taotoken稳定服务的实践

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 解决Claude Code频繁封号问题转向Taotoken稳定服务的实践 1. 问题背景&#xff1a;开发者面临的稳定性与成本挑战 许多开发者在日…...

使用Nodejs和Taotoken构建一个多轮对话代理服务

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 使用Node.js和Taotoken构建一个多轮对话代理服务 为全栈或后端开发者设计一个场景&#xff0c;利用Node.js环境下的openai包&#…...