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

我不理解额

最新推荐文章于 2024-09-06 14:47:10 发布

阅读量536

点赞数

分类专栏： Pytoch入门与实践

本文链接：https://blog.csdn.net/Yoiker/article/details/90340296

版权

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

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