本文介绍了PyTorch中的ImageFolder数据集，它适用于按类别文件夹组织的图像。ImageFolder的构造函数参数包括根目录(root)、图像转换(transform)、目标转换(target_transform)和图片加载器(loader)。内容涵盖了如何使用ImageFolder加载数据，以及如何应用图像变换，如RandomResizedCrop和RandomHorizontalFlip。文章还展示了如何通过Compose组合多个转换，并将数据转换回PIL Image进行显示。
pytorch之ImageFolder
torchvision已经预先实现了常用的Dataset，包括前面使用过的CIFAR-10，以及ImageNet、COCO、MNIST、LSUN等数据集，可通过诸如torchvision.datasets.CIFAR10来调用。在这里介绍一个会经常使用到的Dataset——ImageFolder。
ImageFolder假设所有的文件按文件夹保存，每个文件夹下存储同一个类别的图片，文件夹名为类名，其构造函数如下：
ImageFolder(root, transform=None, target_transform=None, loader=default_loader)
它主要有四个参数：
root：在root指定的路径下寻找图片
transform：对PIL Image进行的转换操作，transform的输入是使用loader读取图片的返回对象
target_transform：对label的转换
loader：给定路径后如何读取图片，默认读取为RGB格式的PIL Image对象
label是按照文件夹名顺序排序后存成字典，即{类名:类序号(从0开始)}，一般来说最好直接将文件夹命名为从0开始的数字，这样会和ImageFolder实际的label一致，如果不是这种命名规范，建议看看self.class_to_idx属性以了解label和文件夹名的映射关系。
图片结构如下所示：
from torchvision import transforms as T
最低0.47元/天 解锁文章
扫一扫
266
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
