CIFAR-10 データセット（Python を使用）

1. 前準備

winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
powershell -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; $m=[Environment]::GetEnvironmentVariable('Path','Machine'); if($m -notlike \"*$s*\") { [Environment]::SetEnvironmentVariable('Path', \"$p;$s;$m\", 'Machine') }"

python --version

winget install --scope machine --id Codeium.Windsurf -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/SP- /SUPPRESSMSGBOXES /NORESTART /CLOSEAPPLICATIONS /DIR=""C:\Program Files\Windsurf"" /MERGETASKS=!runcode,addtopath,associatewithfiles,!desktopicon"
powershell -Command "$env:Path=[System.Environment]::GetEnvironmentVariable('Path','Machine')+';'+[System.Environment]::GetEnvironmentVariable('Path','User'); windsurf --install-extension MS-CEINTL.vscode-language-pack-ja --force; windsurf --install-extension ms-python.python --force; windsurf --install-extension Codeium.windsurfPyright --force"

PyTorch（torch, torchvision）, numpy, matplotlib のインストール

Windows の場合

Windows では、管理者権限でコマンドプロンプトを起動する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。続いて、次のコマンドを実行する。

python -m pip install -U --no-user torch torchvision numpy matplotlib

NVIDIA GPU（CUDA 対応）を使う場合は、PyTorch 公式サイトの選択画面（OS・パッケージ・CUDA バージョン）に従ったコマンドを実行する。例えば CUDA 12.6 向けは次のとおりである。

python -m pip install -U --no-user torch torchvision --index-url https://download.pytorch.org/whl/cu126

Ubuntu の場合

Ubuntu では、次のコマンドを実行する。

# パッケージリストの情報を更新
sudo apt update
sudo apt -y install python3-numpy python3-matplotlib
sudo pip3 install -U --no-user torch torchvision

2. CIFAR-10 データセットのロード

1. パッケージのインポート、PyTorch のバージョン確認など

   import torch
   import torchvision
   import numpy as np
   import matplotlib.pyplot as plt
   
   print(torch.__version__)
   

   
2. torchvision から CIFAR-10 データセットをロード
   • trainset: 訓練用データセット（50000 枚）。trainset.data はサイズ 32×32 の 50000 枚のカラー画像（形状 (50000, 32, 32, 3) の NumPy 配列）、trainset.targets は各画像の種類番号（0 から 9 のどれか）のリストである。
   • testset: 検証用データセット（10000 枚）。testset.data はサイズ 32×32 の 10000 枚のカラー画像（形状 (10000, 32, 32, 3) の NumPy 配列）、testset.targets は各画像の種類番号（0 から 9 のどれか）のリストである。

   root はデータの保存先ディレクトリ、train は訓練用（True）か検証用（False）かの指定、download=True は未取得のときダウンロードする指定である。

   trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True)
   testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True)
   x_train, y_train = trainset.data, trainset.targets
   x_test, y_test = testset.data, testset.targets
   print(x_train.shape, x_test.shape)
   

   

3. CIFAR-10 データセットの確認

• データセットの中の画像を表示

  Matplotlib を用いて、0 番目の画像を表示する。

  NUM = 0
  plt.figure()
  plt.imshow(x_train[NUM])
  plt.colorbar()
  plt.gca().grid(False)
  plt.show()
  

  
• データセットの情報を表示

  print(trainset.classes)
  print(len(trainset.classes))
  print(x_train.shape)
  

  
• データの確認表示

  Matplotlib を用いて、複数の画像を並べて表示する。

  class_names = ['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
  plt.style.use('default')
  plt.figure(figsize=(10,10))
  for i in range(25):
      plt.subplot(5,5,i+1)
      plt.xticks([])
      plt.yticks([])
      plt.grid(False)
      plt.imshow(x_train[i])
      plt.xlabel(class_names[y_train[i]])
  
  plt.show()
  

  
• trainset, testset の確認

  print(trainset)
  print(testset)