Dataset和DataLoader的书写

本文介绍了如何使用PyTorch构建自定义Dataset和DataLoader,包括PIL图像读取、数据批量处理和shuffle操作。通过实例展示了Dataset的长度、DataLoader的长度及其元素结构,强调了crop操作在确保批量数据尺寸一致中的关键作用。
摘要由CSDN通过智能技术生成


书写Dataset和DataLoader

说明:搭建网络需要数据的读入和预处理,model的构建,损失函数和优化策略的选择。该博客以PIL读取图像,构建最基本的Dataset和DataLoader。


一、导入必要的库

import torch
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
import torchvision.transforms as tr

import os 
from PIL import Image 

用PIL读取图像为例,还可以用matplotlib和cv2读取图像

二、继承Dataset自定义数据读写

class MyDataset(Dataset):
    def __init__(self,root_path):
        filenames = sorted(os.listdir(root_path))#filenames是列表 相当于存储的路径下的所有子文件名(查阅os.listdir)
        self.transforms = tr.Compose([
            tr.CenterCrop(256),#剪裁成等大的图像块 因为之后batch操作时必须保证每个batch中图像大小一致(尝试注释掉这行,看报错信息)
            tr
  • 0
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值