今天要学习的是数据集的导入和数据变换(及基本处理)
mindspore中提供了大量的数据接口,便于我们做一些基本的数据导入工作,有一些经典的数据集。
我在网上找到了一些。
mnist_dataset = ds.MnistDataset(...) # MNIST手写数字识别数据集
cifar10_dataset = ds.Cifar10Dataset(...) # CIFAR-10图像分类数据集
cifar100_dataset = ds.Cifar100Dataset(...) # CIFAR-100图像分类数据集
imagenet_dataset = ds.ImageFolderDataset(...) # ImageNet数据集,通常用于图像分类任务
voc_dataset = ds.VOCDataset(...) # PASCAL VOC数据集,用于目标检测任务
celeba_dataset = ds.CelebADataset(...) # CelebA数据集,常用于人脸属性分析和生成任务
coco_dataset = ds.CocoDataset(...) # COCO数据集,用于目标检测和实例分割任务
数据及下载好之后,需要对数据及进行导入。
需要用到一行代码
train_dataset = MnistDataset("MNIST_Data/train", shuffle=False)
这一段代码中有两个点,一个是原始数据已经分好了训练集和测试集(如果需要验证集,需要自己进行拆分)
第二个点是shuffle,在MindSpore的MnistDataset
构造函数中,shuffle
参数控制着数据集是否在每个epoch开始前进行随机排序。如果shuffle
设置为True
,那么在每个epoch开始时,数据集中的样本会被随机打乱顺序,这样可以确保模型在训练过程中能够看到数据的不同排列,有助于提高模型的泛化能力。当shuffle
设置为False
时,数据集将按照原始的顺序提供数据。
在完成数据导入之后,就需要对其进行展示。
原始的数据当中包含两部分,一部分是图,一部分是标签。
原始数据输入之后还需要进行归一化操作,由于图像是RGB排列的,值从0到255,所以需要同意除以255,可以使用代码:
train_dataset = train_dataset.map(vision.Rescale(1.0 / 255.0, 0), input_columns='image')
在mindspore中,对于那些随机访问不可行的数据,可以使用迭代的方法来获取数据。
# Iterator as input source
class IterableDataset():
def __init__(self, start, end):
'''init the class object to hold the data'''
self.start = start
self.end = end
def __next__(self):
'''iter one data and return'''
return next(self.data)
def __iter__(self):
'''reset the iter'''
self.data = iter(range(self.start, self.end))
return self