深度学习--数据

最新推荐文章于 2022-06-27 00:57:55 发布

L1AK

最新推荐文章于 2022-06-27 00:57:55 发布

阅读量113

点赞数

分类专栏： Deep Learning

本文链接：https://blog.csdn.net/qq_43357874/article/details/115523745

版权

Deep Learning 专栏收录该内容

16 篇文章 1 订阅

订阅专栏

在这里插入图片描述

1. DataLoader

在这里插入图片描述

dataset 决定数据从哪读，如何读
batchsize 批大小
num_works 是否多进程读取数据
shuffle 每个epoch是否乱序
drop_lash 当样本不能被batchsize整除时，是否舍弃最后一批数据

复写getitem

在这里插入图片描述

加载数据常用的接口

os.path.join(split_dir, "train")
os.path.join(path, *paths)
智能地拼接一个或多个路径部分。返回值是 path 和 *paths 的所有成员的拼接，其中每个非空部分后面都紧跟一个目录分隔符，最后一个部分除外，这意味着如果最后一个部分为空，则结果将以分隔符结尾。如果某个部分为绝对路径，则之前的所有部分会被丢弃并从绝对路径部分开始继续拼接。
在 Windows 上，遇到绝对路径部分（例如 r’\foo’）时，不会重置盘符。如果某部分路径包含盘符，则会丢弃所有先前的部分，并重置盘符。请注意，由于每个驱动器都有一个“当前目录”，所以 os.path.join(“c:”, “foo”) 表示驱动器 C: 上当前目录的相对路径 (c:foo)，而不是 c:\foo。

class torchvision.transforms.Compose(transforms)
https://pytorch-cn.readthedocs.io/zh/latest/torchvision/torchvision-transform/

 	train_transform = transforms.Compose([
     transforms.Resize((32, 32)),  # 重新定义图片大小
     transforms.RandomCrop(32, padding=4),  # 先将给定的PIL.Image随机切，然后再resize成给定的size大小。
     transforms.ToTensor(),   #  转化为张量数据
     transforms.Normalize(norm_mean, norm_std),  # 给定均值：(R,G,B) 方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。
     #  标准化加快模型收敛
 ])

在这里插入图片描述