chore: Syntax Highlighting

4.人工智能/4.6.5.2.1数据读取.md

@@ -20,7 +20,7 @@ PyTorch 中的 Dataset 类是一个抽象类，它可以用来表示数据集。
 
 下面我们来编写一个简单的例子，看下如何使用 Dataset 类定义一个 Tensor 类型的数据集。
 
-```
+```python
 import torch
 from torch.utils.data import Dataset
 
@@ -43,7 +43,7 @@ class MyDataset(Dataset):
 
 然后我们来看一下如何调用刚才定义的数据集。首先随机生成一个 10*3 维的数据 Tensor，然后生成 10 维的标签 Tensor，与数据 Tensor 相对应。利用这两个 Tensor，生成一个 MyDataset 的对象。查看数据集的大小可以直接用 len() 函数，索引调用数据可以直接使用下标。
 
-```
+```python
 # 生成数据
 data_tensor = torch.randn(10, 3)
 target_tensor = torch.randint(2, (10,)) # 标签是0或1
@@ -67,7 +67,7 @@ DataLoader 是一个迭代器，最基本的使用方法就是传入一个 Datas
 
 DataLoader 类的调用方式如下：
 
-```
+```python
 from torch.utils.data import DataLoader
 tensor_dataloader = DataLoader(dataset=my_dataset, # 传入的数据集, 必须参数
                                batch_size=2,       # 输出的batch大小
@@ -143,7 +143,7 @@ MNIST 数据集是 ubyte 格式存储，我们先将“训练集图片”解析
 
 以 MNIST 为例，我们可以用如下方式调用：
 
-```
+```python
 # 以MNIST为例
 import torchvision
 mnist_dataset = torchvision.datasets.MNIST(root='./data',
@@ -173,7 +173,7 @@ torchvision.datasets.MNIST 是一个类，对它进行实例化，即可返回
 
 如果想要查看 mnist_dataset 中的具体内容，我们需要把它转化为列表。（如果 IOPub data rate 超限，可以只加载测试集数据，令 train=False）
 
-```
+```python
 mnist_dataset_list = list(mnist_dataset)
 print(mnist_dataset_list)
 ```
@@ -182,7 +182,7 @@ print(mnist_dataset_list)
 
 这里图像数据是 PIL.Image.Image 类型的，这种类型可以直接在 Jupyter 中显示出来。显示一条数据的代码如下。
 
-```
+```python
 display(mnist_dataset_list[0][0])
 print("Image label is:", mnist_dataset_list[0][1])
 ```