一、pytorch 加载自制图像数据集并划分训练集和测试集步骤:
1、对数据集进行文件夹组织处理以适应ImageFolder的要求,其格式为:
datasrc/dog/xxx.png
datasrc/dog/xxy.png
datasrc/dog/xzz.png
datasrc/cat/xxx.png
datasrc/cat/xxy.png
datasrc/cat/xzz.png
2、然后将ImageFolder的返回结果作为DataLoader的输入,完成训练集数据和测试集数据的迭代。 torchvision.datasets.ImageFolder()读取图像
3、 random_split实现数据集的划分,
train, test = torch.utils.data.random_split(full_dataset, [train_lengths, test_lengths])
train_lengths, test_lengths是一个list,按照对应的数量返回数据个数。数据量总和等于all_dataset中的数据个数,不是按比例划分的。
4 使用DataLoader完成训练集数据和测试集数据的读取迭代。
torch.utils.data.DataLoader()加载数据集
二、代码实例
# 工具类
import torch
import torchvision
from torch.utils.data import DataLoader, random_split
from torch.utils.tensorboard import SummaryWriter
data_path = 'E:/AI_Project/pytorch_B_zhan/garbage-classification-maste