Pytorch 迁移学习

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。这个类用于定