Pytorch中使用datasets.ImageFolder导入图片出现 Found 0 files in subfolders of: xxx 错误

问题

在执行这行代码的时候

train_data = datasets.ImageFolder('./data/image', transform = my_trans)

出现如下报错:

Traceback (most recent call last):
  File "D:/PyCharm Community Edition 2020.1.2/pytorch_projects/test1.py", line 16, in <module>
    train_data = datasets.ImageFolder('./data/image', transform = my_trans)
  File "D:\anaconda3\envs\pytorch_gpu\lib\site-packages\torchvision\datasets\folder.py", line 206, in __init__
    is_valid_file=is_valid_file)
  File "D:\anaconda3\envs\pytorch_gpu\lib\site-packages\torchvision\datasets\folder.py", line 98, in __init__
    "Supported extensions are: " + ",".join(extensions)))
RuntimeError: Found 0 files in subfolders of: ./data/image
Supported extensions are: .jpg,.jpeg,.png,.ppm,.bmp,.pgm,.tif,.tiff,.webp

报错的意思是 ./data/image 文件夹中没有满足如 .jpg,.png 等格式要求的文件,但实际上 image 文件夹中全是 .jpg 格式的图片,因此很困惑在网上搜索了半天原因。

原因

在看了这篇文章之后 Pytorch中torchvision.datasets.ImageFolder的Found 0 files in subfolders错误 觉得应该是路径有问题,应该改为图片所在路径的上一级路径

后来仔细分析报错原因, RuntimeError: Found 0 files in subfolders of: ./data/image, 这句话的意思是在 ./data/image 的子文件夹中找到0个文件,个人认为应该是在加载图片的时候系统去 image 下的子文件夹中找的?!希望懂的大佬可以留言!

解决

将 ‘./data/image’ 改为 ‘./data’ 就可以了,不过要注意最好 data 文件夹中只有一个文件夹,以便于系统搜索到要加载的图片。
在这里插入图片描述
在这里插入图片描述

参考:

1.解决PyTorch使用datasets.ImageFolder导入ImageNet数据集时出现的错误
2. Pytorch中torchvision.datasets.ImageFolder的Found 0 files in subfolders错误
3.Pytorch中torchvision.datasets.ImageFolder的Found 0 files in subfolders错误

  • 22
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
`datasets.ImageFolder`是PyTorch用于加载图像数据集的一个类。它可以根据文件夹和文件夹的图像文件来创建数据集,并且可以自动地将图像数据进行预处理和标准化。 使用`datasets.ImageFolder`可以方便地加载和处理图像数据集。下面是一个示例代码,展示了如何使用`datasets.ImageFolder`加载一个数据集: ```python import torch from torchvision import datasets, transforms # 数据预处理和标准化 data_transform = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 加载数据集 train_dataset = datasets.ImageFolder(root='path/to/train/data', transform=data_transform) val_dataset = datasets.ImageFolder(root='path/to/val/data', transform=data_transform) test_dataset = datasets.ImageFolder(root='path/to/test/data', transform=data_transform) # 创建数据加载器 train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=32, shuffle=True) val_loader = torch.utils.data.DataLoader(val_dataset, batch_size=32, shuffle=False) test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=32, shuffle=False) ``` 在上面的示例代码,我们首先定义了一个`data_transform`,用于对图像数据进行预处理和标准化。然后,我们使用`datasets.ImageFolder`类分别加载了训练集、验证集和测试集,并将`data_transform`应用到每个数据集的所有图像上。最后,我们使用PyTorch的`DataLoader`类创建了数据加载器,用于在训练、验证和测试模型时加载数据集。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值