宝可梦数据集
一共有五个文件,文件里面有不同的图片文件,不同格式,五个文件对应不同的宝可梦。
一、框架
class pokemon类下
- def __ init __()
三个参数:文件地址路径,大小resize,mode模型
def __init__(self, root, resize, mode):
super(Pokemon, self).__init__()
self.root = root
self.resize = resize
下面这段代码是为了将物种宝可梦的文件名转成0~5的label,首先创建一个空的字典。然后遍历这个文件里的所有文件名,这个字典的长度就是label。通过self.name2label[name] = len(self.name2label.keys())就可以写成 {‘pikachu’:3}的这种形式。下面就是取出images和labels。需要自己写一个load _csv函数。
self.name2label = {} # "sq...":0
for name in sorted(os.listdir(os.path.join(root))):
if not os.path.isdir(os.path.join(root, name)):
continue
self.name2label[name] = len(self.name2label.keys())
# print(self.name2label)
# image, label
self.images, self.labels = self.load_csv('images.csv')
这一段代码作用是将数据集分割成60%的训练集,20%的验证集和20%的测试集。通过简单的切片操作就可以做到。
if mode=='train': # 60%
self.images = self.images[:int(0.6*len(self.images))]
self.labels = self.labels[:int(0.6*len(self.labels))]
elif mode=='val': # 20% = 60%->80%
self.images = self.images[int(0.6*len(self.images)):int(0.8*len(self.images))]
self.labels = self.labels[int(0.6*len(self.labels)):int(0.8*len(self.labels))]
else: # 20% = 80%->100%
self.images = self.images[int(0.8*len(self.images)):]
self.labels = self.labels[int(0.8*len(self.labels)):]
- def __ len __()
def __len__(self):
return len(self.images)
- def __ getitem __()
用来获取images和labels的idx,这边另外加上了一个标准化的过程。用torchvision里面的transforms来进行图片数据的一些操作。
def __getitem__(self, idx):
# idx~[0~len(images)]
# self.images, self.labels
# img: 'pokemon\\bulbasaur\\00000000.png'
# label: 0
img, label = self.images[idx], self.labels[idx]
tf = transforms.Compose([
lambda x:Image.open(x).convert('RGB'), # string path= > image data
transforms.Resize((int(self.resize*1.25), int(self.resize*1.25))),
transforms.RandomRotation(15),
transforms.CenterCrop(self.resize),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
])
img = tf(img)
label = torch.tensor(label)
return img, label
- def load_csv()
传入的参数为csv文件名
首先就是外面包裹着的if not语句,用来判断文件夹中是否存在这样一个csv文件,如果存在,那么将跳过创建的这一部分,直接执行下面的打开文件夹将csv文件中的img和label都写入images和label的列表的操作。
然后创建空列表images,遍历name2label字典中的键,将所有图片文件传入列表当中,glob.glob的作用就是遍历所有路径中的文件。然后将images的img和label都写入到csv文件中去。得到label的话首先要得到name,就通过name = img.split(os.sep)[-2]来得到。
第二部分就是从csv文件中读出img和label信息到新的列表当中。加上个断言语句确保img和labels的数量一样。
def load_csv(self, filename):
if not os.path.exists(os.path.join(self.root, filename)):
images = []
for name in self.name2label.keys():
# 'pokemon\\mewtwo\\00001.png
images += glob.glob(os.path.join(self.root, name, '*.png'))
images += glob.glob(os.path.join(self.root, name, '*.jpg'))
images += glob.glob(os.path.join(self.root, name, '*.jpeg'))
# 1167, 'pokemon\\bulbasaur\\00000000.png'
print(len(images), images)
random.shuffle(images)
with open(os.path.join(self.root, filename), mode='w', newline='') as f:
writer = csv.writer(f)
for img in images: # 'pokemon\\bulbasaur\\00000000.png'
name = img.split(os.sep)[-2]
label = self.name2label[name]
# 'pokemon\\bulbasaur\\00000000.png', 0
writer.writerow([img, label])
print('writen into csv file:', filename)
# read from csv file
images, labels = [], []
with open(os.path.join(self.root, filename)) as f:
reader = csv.reader(f)
for row in reader:
# 'pokemon\\bulbasaur\\00000000.png', 0
img, label = row
label = int(label)
images.append(img)
labels.append(label)
assert len(images) == len(labels)
return images, labels
- def denormalize()
这个代码是用来denormailze的,因为之前normalize过了,把数据弄到-1~1之间了,所以用vizdom可视化的时候会看不清楚。其实就是按照normalize的公式反过来用来一边,但是要注意维度要一致。
def denormalize(self, x_hat):
mean = [0.485, 0.456, 0.406]
std = [0.229, 0.224, 0.225]
# x_hat = (x-mean)/std
# x = x_hat*std + mean
# x: [c, h, w]
# mean: [3] => [3, 1, 1]
mean = torch.tensor(mean).unsqueeze(1).unsqueeze(1)
std = torch.tensor(std).unsqueeze(1).unsqueeze(1)
# print(mean.shape, std.shape)
x = x_hat * std + mean
return x
- def _ main _()
实例化db, iter()是个迭代器,可以遍历db中的元素,next就用来一个一个输出这些元素。viz.image()可以可视化过程。Dataloader用来把所有数据加载进去,实例化为loader。
def main():
import visdom
import time
import torchvision
viz = visdom.Visdom()
# tf = transforms.Compose([
# transforms.Resize((64,64)),
# transforms.ToTensor(),
# ])
# db = torchvision.datasets.ImageFolder(root='pokemon', transform=tf)
# loader = DataLoader(db, batch_size=32, shuffle=True)
#
# print(db.class_to_idx)
#
# for x,y in loader:
# viz.images(x, nrow=8, win='batch', opts=dict(title='batch'))
# viz.text(str(y.numpy()), win='label', opts=dict(title='batch-y'))
#
# time.sleep(10)
db = Pokemon('pokemon', 64, 'train')
x,y = next(iter(db))
print('sample:', x.shape, y.shape, y)
viz.image(db.denormalize(x), win='sample_x', opts=dict(title='sample_x'))
loader = DataLoader(db, batch_size=32, shuffle=True, num_workers=8)
for x,y in loader:
viz.images(db.denormalize(x), nrow=8, win='batch', opts=dict(title='batch'))
viz.text(str(y.numpy()), win='label', opts=dict(title='batch-y'))
time.sleep(10)