苏州网站建设的一般流程,北京平面设计公司排名,上海网站建设 网站开,pageadmin怎么样数据读入流程 使用DatasetDataLoader完成Pytorch中数据读入 Dataset定义数据格式和数据变换形式 DataLoader用iterative的方式不断读入批次数据#xff0c;实现将数据集分为小批量进行训练
使用PyTorch自带数据集 使用Dataset完成数据格式和数据变换的定义
import torch
fro…数据读入流程 使用DatasetDataLoader完成Pytorch中数据读入 Dataset定义数据格式和数据变换形式 DataLoader用iterative的方式不断读入批次数据实现将数据集分为小批量进行训练
使用PyTorch自带数据集 使用Dataset完成数据格式和数据变换的定义
import torch
from torchvision import datasets
train_data datasets.ImageFolder(train_path, transformdata_transform)
val_data datasets.ImageFolder(val_path, transformdata_transform)参数说明 transform实现对图像数据的变换处理 使用DataLoader完成按批次读取数据
from torch.utils.data import DataLoadertrain_loader torch.utils.data.DataLoader(train_data, batch_sizebatch_size, num_workers4, shuffleTrue, drop_lastTrue)
val_loader torch.utils.data.DataLoader(val_data, batch_sizebatch_size, num_workers4, shuffleFalse)参数说明 batch_size: 按批读入数据的批大小即一次读入的样本数 num_workers用于读取数据的进程数Windows下为0Linux下为4或8 shuffle: 表示是否将读入数据打乱训练集中设置为True验证集中设置为False drop_last: 丢弃样本中最后一部分没有达到batch_size数量的数据 数据展示
import matplotlib.pyplot as plt
images, labels next(iter(val_loader))
print(images.shape)
# 使用transpose()函数改变原始图像的表示形式从(H,W,C)的表示转换为(C,H,W)的表示
plt.imshow(images[0].transpose(1,2,0))
plt.show()自定义数据集方式
自定义Dataset类继承Dataset类实现三个函数__init__函数、__getitem__函数、__len__函数
import os
import pandas as pd
from torchvision.io import read_imageclass MyDataset(Dataset):def __init__(self, annotations_file, img_dir, transformNone, target_transformNone):Args:annotations_file (string): Path to the csv file with annotations.img_dir (string): Directory with all the images.transform (callable, optional): Optional transform to be applied on a sample.target_transform (callable, optional): Optional transform to be applied on the target.self.img_labels pd.read_csv(annotations_file)self.img_dir img_dirself.transform transformself.target_transform target_transformdef __len__(self):return len(self.img_labels)def __getitem__(self, idx):Args:idx (int): Index# 使用path.join()函数构建图像路径img_labels.iloc[行,列]用于通过行列索引访问DataFrame中的元素img_path os.path.join(self.img_dir, self.img_labels.iloc[idx, 0]) image read_image(img_path)label self.img_labels.iloc[idx, 1]if self.transform:image self.transform(image)if self.target_transform:label self.target_transform(label)return image, label
