开发者

详解Pytorch中Dataset的使用

开发者 https://www.devze.com 2022-12-30 09:21 出处:网络 作者: LRJ-jonas
此案例教我们加载并处理TorchVision的FashionMNIST Dataset。 root 目录是 train/test data 存储的地方

此案例教我们加载并处理TorchVision的FashionMNIST Dataset。

root 目录是 train/test data 存储的地方

download=True 如果root目录没有,则从网上下载

transform and target_transform specify the feature and label transformations

import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt
 
 
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    http://www.devze.comtransform=ToTensor()
)
 
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

运行得到的结果是这样的:

详解Pytorch中Dataset的使用

遍历并可视化数据集

给数据集手动加上序号sample_idx,并用matplotlib进行绘制:

labels_map = {
    0: "T-Shirt",
    1: "Trouser",
    2: "Pullover",
    3: "Dress",
    4: "Coat",
编程客栈    5: "Sandal",
    6: "Shirt",
    7: "Sneaker",
 php   8: "Bag",
    9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
    sample_idx = torch.randint(len(training_data), size=(1,)).item()
    img, label = training_data[sample_idx]
    figure.add_subplot(rows, cols, i)
    plt.title(labels_map[label])
    plt.axis("off")
    plt.imshow(img.squeeze(), cmap=android"gray")
plt.show()

traning_data

torch.randint(len(training_data), size=(1,)).item()

为我的文件自定义一个Dataset

一个自定义的Dataset必须有三个函数:__init__, __len__, and __getitem__

图片存储在img_dir

import os
import pandas as pd
from torchvision.io import read_image
 
class CustomImageDataset(Dataset):
    def __init__(self, annotations_file, img_dir, transform=None, target_transform=No开发者_JAVA入门ne):
        self.img_labels = pd.read_csv(annotations_file)
        self.img_dir = img_dir
        self.transform = transform
        self.target_transform = target_transfohttp://www.devze.comrm
 
    def __len__(self):
        return len(self.img_labels)
 
    def __getitem__(self, idx):
        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

到此这篇关于详解Pytorch中Dataset的使用的文章就介绍到这了,更多相关Pytorch Dataset使用内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号