介绍
本文写的是一个对垃圾进行分类的代码使用了pytorch迁移学习进行模型训练
一、数据处理和预处理的过程:
1、对图片进行分类放进不同文件夹
2、首先定义了一个函数init_open(),用于初始化数据集。该函数接受一个文件夹路径和一个标签作为输入。它通过遍历文件夹中的所有文件,将每个文件的路径和标签组成一个列表项,并将所有列表项组成一个大列表。最后返回这个大列表。
def init_open(open,a):
list=os.listdir(open)
data_1=[]
for i in list:
images=os.path.join(open,i)
data_1.append([images, a])
# if a==0:
# data_1.append([images,a])
# else:
# data_1.append([images,a])
# if 'cat'in images:
# data_1.append([images,0])
# elif 'dog' in images :
# data_1.append([images,1])
return data_1
3、然后定义了一个函数mydata(),用于读取图像文件并进行预处理。该函数接受一个图像文件路径作为输入。它使用PIL库的Image.open()函数打开图像文件,并将其转换为RGB格式。
def mydata(open):
return Image.open(open).convert("RGB")
4、接下来定义了一个类mydataset,继承自torch.utils.data.Dataset。这个类用