pytorch: 准备、训练和测试自己的图片数据

最新推荐文章于 2024-04-25 17:54:10 发布

baidu_huihui

最新推荐文章于 2024-04-25 17:54:10 发布

阅读量858

点赞数

分类专栏： pytorch

本文链接：https://blog.csdn.net/baidu_41617231/article/details/109199219

版权

本文介绍了如何在PyTorch中使用个人图片数据，如fashion-mnist，进行CNN模型的训练和测试。首先，数据预处理包括从二进制文件转为图片并组织成训练集和测试集。接着，利用torch的dataset和dataloader进行模型训练和测试。结果显示了网络模型结构及训练测试效果。

摘要由CSDN通过智能技术生成

大部分的pytorch入门教程，都是使用torchvision里面的数据进行训练和测试。如果我们是自己的图片数据，又该怎么做呢？

一、我的数据

我在学习的时候，使用的是fashion-mnist。这个数据比较小，我的电脑没有GPU，还能吃得消。关于fashion-mnist数据，可以百度，也可以点此了解一下，数据就像这个样子：

下载地址：https://github.com/zalandoresearch/fashion-mnist

但是下载下来是一种二进制文件，并不是图片，因此我先转换成了图片。

我先解压gz文件到e:/fashion_mnist/文件夹

然后运行代码：

复制代码

import os
from skimage import io
import torchvision.datasets.mnist as mnist

root="E:/fashion_mnist/"
train_set = (
    mnist.read_image_file(os.path.join(root, 'train-images-idx3-ubyte')),
    mnist.read_label_file(os.path.join(root, 'train-labels-idx1-ubyte'))
        )
test_set = (
    mnist.read_image_file(os.path.join(root, 't10k-images-idx3-ubyte')),
    mnist.read_label_file(os.path.join(root, 't10k-labels-idx1-ubyte'))
        )
print("training set :",train_set[0].size())
print("test set