TinyImageNet数据集可以在imagenet官网或是这里下载。
如果直接用ImageNet的代码进行加载和模型训练会发现train loss下降而test loss不变的情况(当然要记得修改num_classes)。一番折腾后发现这是因为TinyImageNet数据格式的问题!下载下来的数据集train子集是和ImageNet一样的ImageFolder格式,每个类别的图片存储在同一个文件夹下,由文件夹来区分类别。而val子集所有图片却在同一个文件夹下,由标注文件val_annotations.txt提供每张图片的类别信息。此时如果我们还使用ImageFolder加载val数据集就会得到错误的label信息。
网上大部分做法是将图片转为pkl,再加载为数据集使用,这样在数据格式上会和已有的代码产生一定的冲突,例如做数据预处理transform时。为了保持训练脚本的数据预处理代码不变,写了一个脚本将val子集也转成ImageFolder的格式:
```python
import pandas as pd
import os
def sort_val_data():
val_annotations = pd.read_csv('val_annotations.txt', sep='\t', names=['filename', 'label_str', 'x_min', 'y_min', 'x_max', 'y_max'])
for line in val_annotations.itertuples():
filename = line[1]
label_str = line[2]
try:
os.mkdir(label_str)
except:
pass
os.system('mv images/{} {}/'.format(filename, label_str))
if __name__ == '__main__':
sort_val_data()
接下来就可以使用训练ImageNet的脚本来处理啦!