import torch as t from torch.utils import data import os from PIL import Image import numpy as np from matplotlib import pyplot as plt from torchvision import transforms as T from torchvision.datasets import ImageFolder from torch.utils.data import DataLoader ##############数据处理################### # class DogCat(data.Dataset): # def __init__(self, root): # imgs = os.listdir(root) # 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(r'D:/Python相关/PyTorch入门与实践/pytorch-book-master/chapter5-常用工具/data/dogcat/') # img, label = dataset[0] #相当于调用dataset.__getitem__(0) # for img, label in dataset: # print(img.size(), img.float().mean(), label) #对图像进行多个操作 transform = T.Compose([ T.Resize(224), T.CenterCrop(224), T.ToTensor(), #将图片(Image)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] ]) #实现自定义数据集 class DogCat(data.Dataset): def __init__(self, root, transforms=None): imgs = os.listdir(root) self.imgs = [os.path.join(root, img) for img in imgs] self
Pytorch入门与实践——常用的工具
最新推荐文章于 2024-09-06 14:47:10 发布
本文介绍了PyTorch中数据处理的基本步骤,包括使用`Dataset`和`DataLoader`,`transforms`的组合应用,处理异常样本的方法,以及`WeightedRandomSampler`的使用。还涉及到计算机视觉工具包`torchvision`中的模型和数据集预处理,并展示了如何使用`visdom`进行可视化。
摘要由CSDN通过智能技术生成