如何解决Colab中无法下载IAM手写数据集tgz文件的问题

问题原因 #

IAM手写数据集站点设置了使用许可校验，未手动同意许可协议的前提下直接请求下载链接，服务端会返回许可协议HTML页面而非目标tgz压缩包，这就是你之前用wget、tf.keras.utils.get_file下载到错误内容的核心原因。

解决方案 #

方案1：挂载谷歌云盘中转（最稳定） #

• 本地浏览器打开数据集下载页，勾选同意使用条款后，手动下载需要的所有tgz文件到本地
• 将下载好的tgz文件上传到个人谷歌云盘指定目录
• 在Colab中运行以下代码挂载云盘：

from google.colab import drive
drive.mount('/content/drive')

• 挂载完成后直接解压对应路径的压缩包即可，示例命令：

!tar zxvf /content/drive/MyDrive/你存放文件的路径/xxx.tgz -C /content/目标解压路径

方案2：携带Cookie发起下载请求 #

如果不想手动上传文件，可以通过携带浏览器验证后的Cookie直接在Colab下载：

• 本地浏览器打开数据集下载页，勾选同意使用条款
• 按F12打开开发者工具，切换到「网络」标签，点击你需要下载的tgz文件链接
• 在网络请求列表中找到对应tgz的请求记录，复制请求头中的Cookie字段值，以及完整的文件下载直链
• 在Colab中运行带请求头的wget命令，示例：

!wget --header="Cookie: 你复制的Cookie内容" "你复制的下载直链" -O 自定义保存文件名.tgz

注意：Cookie存在有效时长，通常为几小时到数天，过期后需要重新到浏览器获取新的Cookie值

方案3：使用公开镜像资源 #

你也可以通过公开的数据集镜像站点下载对应tgz文件，下载完成后建议校验文件哈希值，避免获取到被篡改的内容。

内容的提问来源于stack exchange，提问作者just_another_beginner