开发者分享 | 利用 Python 和 PyTorch 处理面向对象的数据集 - 3：猫和狗

第 3 部分：repetita iuvant(*)：猫和狗

(*) 是一个拉丁语词组，意为“水滴石穿，功到自成”

在本篇博文中，我们将在“猫和狗”数据库上重复先前第 2 部分中已完成的过程，并且我们将添加一些其它内容。

通常，简单的数据集都是按文件夹来组织的。例如，猫、狗以及每个类别的“训练”、“验证”和“测试”文件夹。

通过将数据集组织为单一对象，即可避免文件夹树的复杂性。在此应用中，所有图片都保存到同一个文件夹内。

我们只需 1 个标签文件来标明哪个是狗，哪个是猫即可。

以下包含了用于自动创建标签文件的代码。即使每张图片名称本身就包含了标签，我们也特意创建 1 个专用 label.txt 文件：其中每行都包含文件名和标签：猫 (cat) = 0 狗 (dog) = 1。

在此示例最后，我们将回顾使用 PyTorch 拆分数据集的 2 种方法，并训练 1 个非常简单的模型。

■输入 [ ]：

data_path = './raw_data/dogs_cats/all'

import os

files = [f for f in os.listdir(data_path) ]

#for f in files:

#    print(f)

with open(data_path + '/'+ "labels.txt", "a") as myfile: