Pytorch中的常用工具

最新推荐文章于 2024-07-01 21:06:51 发布

JiangCaifu

最新推荐文章于 2024-07-01 21:06:51 发布

阅读量934

点赞数 2

分类专栏： python学习

本文链接：https://blog.csdn.net/JiangCaifu/article/details/90175547

版权

本文介绍了在Pytorch中如何定义和处理自定义数据集，详细讲解了如何利用torchvision进行图像预处理，包括使用transforms和DataLoader。同时，探讨了如何应对数据缺失或读取问题，并提到了torchvision在计算机视觉任务中的应用，以及其配套的可视化工具。

摘要由CSDN通过智能技术生成

1.定义自己的数据集

#1.处理数据，定义自己的数据集
import torch as t
from torch.utils import data
import os
from PIL import Image
import numpy as np
class DogCat(data.Dataset):
    def __init__(self,root):
        imgs=os.listdir(root)
        #所有图片的绝对路径
        #这里不实际加载图片，只是指定路径
        #当调用__getitem__时才会真正读图片
        self.imgs=[os.path.join(root,img) for img in imgs]
    def __getitem__(self, index):
        img_path=self.imgs[index]
        # dog ->1,cat ->0
        label=1 if 'dog' in img_path.split('/')[-1] else 0
        pil_img=Image.open(img_path)
        array=np.asarray(pil_img)
        data=t.from_numpy(array)
        return data,label
    def __len__(self):
        return len(self.imgs)
dataset=DogCat('C:\\Users\\29282\\Desktop\\代码\\kaggle\\train\\train')
img,label=dataset[0]
for img,label in dataset:
    print(img.size(),img.float().mean(),label)

利用torchvision工具处理图像

import os
from PIL import Image
from torch.utils import data
import numpy as np
from torchvision import transforms as T
transform=T.Compose([
    T.Resize(224),#缩放图片，保持长宽比不变，最短边为224像素
    T.CenterCrop(224),#从图片中间切出224*224的图片
    T.ToTensor(),#将图片转成Tensor,归一化至[0,1]
    T.Normalize(mean=[.5,.5,.5],std=[.5,.5,.5])#标准化至[-1,1]
])
class DogCat(data.Dataset):
    def __in