在训练经典的数据集如cifar10,minsit等,可以用官方自带的数据集格式几行就写出来,如果是自己下载的数据集,那么我们应该如何用pytorch来读取呢?其实是有模板可以直接仿照着写的。
本次案例采用的是pokeman数据集,并用该数据集进行分类。该数据如下所示:
其中文件夹的名字便是标签。数据集大小划分为:皮卡丘 234、超梦239、杰尼龟223、小火龙 238、妙蛙种子234张图。
在深度学习中一般的流程是:加载数据—>构建模型—>训练和测试。
读取数据
在pytorch读取数据,采用3个步骤
- 继承torch中的通用的母类:torch.utils.data.Dataset
from torch.utils.data.Dataset
- __len __:这里需要返回定义数据的数量,返回整型数字
- __getitem __ :这里返回样本、标签等
一个简单的例子
from torch.utils.data import Dataset, DataLoader
class NumberDataset(Dataset): #首先要继承Dataset母类
def __init__(self, training=True): #区分训练和测试
if training:
self.samples = list(range(1, 1001)) #加载数据,一般是存放数据的地址,不然内存爆炸
else:
self.samples = list(range(1001, 15001))
def __len__(self):
return len(self.samples) #
def __getitem__(self, idx): # idx 是位置标号,在len(self.samples) 内,一个一个的读取该位置数据
return self.samples[idx]
小结:1、首先得到所有的数据的地址名字(训练或测试);2、给出数据集长度;3、返回指定位置的数据内容,可以在该数据上进行任何预处理操作。
现在读取本次给的pokeman数据集
python代码框架为:
from torch.utils.data import Dataset, DataLoader #自定义的母类,必须的
class Pokemon(Dataset):
def __init__(self): #去读数据路径
super(Pokemon, self).__init__()
pass
def __len__(self): #返回数据长度
pass
def __getitem__(self, idx): #返回当前位置的数据和标签
pass
接下来就是填充每一块函数里面的内容了。
1 将标签转化数字,且数据地址及其标签保存csv文件
首先需要加载数据和标签,因为标签需要转化成0,1,2,3,4,最好保存为csv文件,下次便可以直接加载csv文件。因此我们需要事先写一个函数保存csv文件,不写也可以,最好是写成csv。
下面这个函数可以单独写成一个文件,也可以放在class Pokemon(Dataset)里面。
def load_csv(self, filename):
if not os.path.exists(os.path.join(self.root, filename)):
#如果没有保存csv文件,那么我们需要写一个csv文件,如果有了直接读取csv文件
images = []
for name in self.name2label.keys():
# 'pokemon\\mewtwo\\00001.png
images += glob.glob(os.path