在之前的案例中,使用datasets.ImageFolder函数直接导入已经分类好的数据集形成Dataset,然后使用DataLoader加载Dataset,但是如果对无法分类的数据集,我们如何导入,并进行识别呢?
我们将自定义一个MyDataset加载车牌数据集并完成车牌识别。
一、完整代码
在这里插入代码片#导入数据
from torchvision.transforms import transforms
from torch.utils.data import DataLoader
from torchvision import datasets
import torchvision.models as models
import torch.nn.functional as F
import torch.nn as nn
import torch,torchvision
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(device)
#获取类别名
import os,PIL,random,pathlib
import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
data_dir = r'D:/编程文件/数据库/P10 car/015_licence_plate'
data_dir = pathlib.Path(data_dir)
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[5].split("_")[1].split(".")[0] for path in data_paths]
print(classeNames)
data_paths = list(data_dir.glob('*'))
data_paths_str = [str(path) for path in data_paths]
print(data_paths_str)
#数据可视化
plt.figure(figsize=(14, 5))
plt.suptitle("数据示例(K同学啊)", fontsize=15)
for i in range(18):
plt.subplot(3, 6, i + 1)
# plt.xticks([])
# plt.yticks([])
# plt.grid(False)
# 显示图片
images = plt.imread(data_paths_str[i])
plt.imshow(images)
plt.show()
#标签数字化
import numpy as np
char_enum = ["京","沪","津","渝","冀","晋","蒙","辽","吉","黑","苏","浙","皖","闽","赣","鲁",\
"豫","鄂","湘","粤","桂","琼","川","贵","云","藏","陕","甘","青","宁","新","军","使"]
number = [str(i) for i in range(0, 10)] # 0 到 9 的数字
alphabet = [chr(i) for i in range(65, 91)] # A 到 Z 的字母
char_set = char_enum + number + alphabet
char_set_len = len(char_set)
label_name_len = len(classeNames[0])
# 将字符串数字化
def text2vec(text):
vector = np.zeros([label_name_len, char_set_len])
for i, c in enumerate(text):
idx = char_set.index(c)
vector[i][idx] = 1.0
return vector
all_labels = [text2vec(i) for i in classeNames]
#加载数据文件
import os
import pandas as pd
from torchvision.io import read_image
from torch.utils.data import Dataset
import torch.utils.data as data
from PIL import Image
class MyDataset(data.Dataset):
def __init__(self, all_labels, data_paths_str, transform):
self.img_labels = all_labels # 获取标签信息
self.img_dir = data_paths_str # 图像目录路径
self.transform = transform # 目标转换函数
def __len__(self):
return len(self.img_labels)
def __getitem__(self, index):
image = Image.open(self.img_dir[index]).convert(
'RGB') # plt.imread(self.img_dir[index]) # 使用 torchvision.io.read_image 读取图像
label = self.img_labels[index] # 获取图像对应的标签
if self.transform:
image = self.transform(image)
return image, label # 返回图像和标签
total_datadir = './03_traffic_sign/'
# 关于transforms.Compose的更多介绍可以参考:https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
transforms.Resize([224, 224]), # 将输入图片resize成统一尺寸
transforms.ToTensor(), # 将PIL Image或numpy.ndarray转换为tensor,并归一化到[0,1]之间
transforms.Normalize( # 标准化处理-->转换为标准正太分布(高斯分布),使模型更容易收敛
mean=[0.485, 0.456, 0.406],
std =[0.229, 0.224, 0.225]) # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])
total_data = MyDataset(all_labels, data_paths_str, train_transforms)
print(total_data)
#划分数据
train_size = int(0.8 * len(total_data))
test_size = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
print(train_size,test_size)
train_loader = torch.utils.data.DataLoader(train_dataset,
batch_size=16,
shuffle=True)
test_loader = torch.utils.data.DataLoader(test_dataset,
batch_size=16,
shuffle=True)
print("The number of images in a training set is: ", len(train_loader)*16)
print("The number of images in a test set is: ", len(test_loader)*16)
print("The number of batches per epoch is: ", len(train_loader))
for X, y in test_loader:
print("Shape of X [N, C, H, W]: ", X.shape)
print("Shape of y: ", y.shape, y.dtype)
break
#自建模型
class Network_bn(nn.Module):
def __init__(self):
super(Network_bn, self).__init__()
"""
nn.Conv2d()函数:
第一个参数(in_channels)是输入的channel数量
第二个参数(out_channels)是输出的channel数量
第三个参数(kernel_size)是卷积核大小
第四个参数(stride)是步长,默认为1
第五个参数(padding)是填充大小,默认为0
"""
self.conv1 = nn.Conv2d(in_channels=3, out_channels=12, kernel_size=5, stride=1, padding=0)
self.bn1 = nn.BatchNorm2d(12)
self.conv2 = nn.Conv2d(in_channels=12, out_channels=12, kernel_size=5, stride=1, padding=0)
self.bn2 = nn.BatchNorm2d(12)
self.pool = nn.MaxPool2d(2, 2)
self.conv4 = nn.Conv2d(in_channels=12, out_channels=24, kernel_size=5, stride=1, padding=0)
self.bn4 = nn.BatchNorm2d(24)
self.conv5 = nn.Conv2d(in_channels=24, out_channels=24, kernel_size=5, stride=1, padding=0)
self.bn5 = nn.BatchNorm2d(24)
self.fc1 = nn.Linear(24 * 50 * 50, label_name_len * char_set_len)
self.reshape = Reshape([label_name_len, char_set_len])
def forward(self, x):
x = F.relu(self.bn1(self.conv1(x)))
x = F.relu(self.bn2(self.conv2(x)))
x = self.pool(x)
x = F.relu(self.bn4(self.conv4(x)))
x = F.relu(self.bn5(self.conv5(x)))
x = self.pool(x)
x = x.view(-1, 24 * 50 * 50)
x = self.fc1(x)
# 最终reshape
x = self.reshape(x)
return x
# 定义Reshape层
class Reshape(nn.Module):
def __init__(self, shape):
super(Reshape, self).__init__()
self.shape = shape
def forward(self, x):
return x.view(x.size(0), *self.shape)
device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))
model = Network_bn().to(device)
print(model)
import torchsummary
''' 显示网络结构 '''
torchsummary.summary(model, (3, 224, 224))
#优化器与损失函数
optimizer = torch.optim.Adam(model.parameters(),
lr=1e-4,
weight_decay=0.0001)
loss_model = nn.CrossEntropyLoss()
from torch.autograd import Variable
def test(model, test_loader, loss_model):
size = len(test_loader.dataset)
num_batches = len(test_loader)
model.eval()
test_loss, correct = 0, 0
with torch.no_grad():
for X, y in test_loader:
X, y = X.to(device), y.to(device)
pred = model(X)
test_loss += loss_model(pred, y).item()
test_loss /= num_batches
print(f"Avg loss: {test_loss:>8f} \n")
return correct, test_loss
def train(model, train_loader, loss_model, optimizer):
model = model.to(device)
model.train()
for i, (images, labels) in enumerate(train_loader, 0): # 0是标起始位置的值。
images = Variable(images.to(device))
labels = Variable(labels.to(device))
optimizer.zero_grad()
outputs = model(images)
loss = loss_model(outputs, labels)
loss.backward()
optimizer.step()
if i % 1000 == 0:
print('[%5d] loss: %.3f' % (i, loss))
test_acc_list = []
test_loss_list = []
epochs = 30
for t in range(epochs):
print(f"Epoch {t+1}\n-------------------------------")
train(model,train_loader,loss_model,optimizer)
test_acc,test_loss = test(model, test_loader, loss_model)
test_acc_list.append(test_acc)
test_loss_list.append(test_loss)
print("Done!")
import numpy as np
import matplotlib.pyplot as plt
x = [i for i in range(1,31)]
plt.plot(x, test_loss_list, label="Loss", alpha=0.8)
plt.xlabel("Epoch")
plt.ylabel("Loss")
plt.legend()
plt.show()
二、自定义加载数据集步骤概述
在深度学习中,自定义加载数据集是一个常见的任务,因为很多实际项目中的数据集并不是标准的格式,或者你可能需要对数据进行一些预处理。
1. 理解数据集
- 确定数据集的结构(例如,CSV文件、图片文件夹、数据库等)。
- 了解每个数据点的格式和包含的信息。
- 确定是否有标签(监督学习)或仅有特征(非监督学习)。
2.定义数据类
- 在Python中,通常使用torch.utils.data.Dataset(PyTorch中)或类似的类(TensorFlow等)来定义你的数据集。
- 在这个类中,你需要实现__len__和__getitem__方法。
- __len__方法返回数据集的长度,
- __getitem__方法允许你通过索引访问数据集中的每个数据点。getitem接收一个index,然后返回图片数据和标签,这个index通常指的是一个list的index,这个list的每个元素就包含了图片数据的路径和标签信息。
制作list,通常的方法是将图片的路径和标签信息存储在一个txt中,然后从该txt中读取。 那么读取自己数据的基本流程就是:
- 制作存储了图片的路径和标签信息的txt;
- 将这些信息转化为list,该list每一个元素对应一个样本;
- 通过getitem函数,读取数据和标签,并返回数据和标签;
3.数据加载
在__getitem__方法中,需要编写代码来加载和预处理数据。包括读取文件、解析数据、应用转换(如缩放、归一化、裁剪等)等。
4.数据预处理
在加载数据后,可能需要进行一些预处理步骤,如数据增强(对于图像数据)、特征工程等。
这些步骤可以在__getitem__方法内部实现,也可以作为单独的函数或类。
5.批处理
使用torch.utils.data.DataLoader来加载和批处理数据。这个类允许指定批大小、是否打乱数据、使用多线程加载等。
DataLoader会调用你定义的Dataset类的__getitem__方法来获取数据,并自动进行批处理。
6.测试和调试
编写代码来测试你的数据集类,确保它能够正确地加载和预处理数据。
使用一小部分数据来测试你的模型,以确保数据加载和预处理没有问题。
7.优化和扩展
如果数据加载速度很慢,考虑使用更快的存储解决方案(如SSD)或优化你的数据加载和预处理代码。
如果你的数据集很大且不能全部加载到内存中,考虑使用流式加载或分布式加载。
下面是一个简单的PyTorch示例,展示如何定义一个自定义的数据集类:
import torch
from torch.utils.data import Dataset
class MyCustomDataset(Dataset):
def __init__(self, data_file, transform=None):
self.data = self.load_data(data_file) # 假设这是一个加载数据的函数
self.transform = transform
def __len__(self):
return len(self.data)
def __getitem__(self, idx):
sample = self.data[idx]
if self.transform:
sample = self.transform(sample) # 应用数据转换
return sample
def load_data(self, file):
# 在这里编写代码来加载数据
# 返回一个列表或类似的数据结构,其中每个元素都是一个数据点
pass
注:上面的load_data函数是一个占位符,你需要根据你的数据集的实际格式来实现它。
同样,你可能还需要实现一个数据转换函数(在上面的示例中作为transform参数传递),以便在加载数据后对其进行预处理。
下面是本文的加载数据文件,可以对比学习。