完整目录
- P6-P7 数据加载
- P8-9 Tensorboard使用
- P10-11 Transform的用法
- P12-13 常用的tranforms
- P14 torchvision中的数据集的使用
- P15 dataloader的使用
- P16 nn.Module
- P17 卷积
- P18 卷积层使用
- P19 池化
- P20 ReLU
- P21线性层和其它层
- P22 squential和小实战
- P23 loss function
- P24 优化器
- P25 pytorch中现有模型
- P26 网络模型的保存和加载
- P27、28、29 完整的模型套路
- P30 GPU加速
- P31 GPU加速_2
- P32 完整的模型验证套路
- P33 github的使用
P10-11 Transform的用法
-
他就是一个.py的模块,里面有很多工具,可以理解为一个工具箱
-
查看transform的structure,看看他们都有什么内容
-
常用的有ToTensor、ToPILImage这些class,tranform是工具箱,这些class是工具,用来加工数据(比如图片)
-
Transform的用法:
-
为什么要用tensor数据类型:
先看ndarray类型:
1、左边输入import cv2,给他一个图片的地址 img_path;
2、看到右边的cv_img的数据类型变成了ndarray了。
3、这样的类型,就可以作为tranform.Tensor()的输入了(要求这两种类型PIL和ndarray,也对应了PIL库和opencv库)。
-
实例全部内容:
可以运行的代码
# !usr/bin/env python3
# -*- coding:utf-8 -*-
"""
author :24nemo
date :2021年07月07日
"""
# 这个模块里面的代码,没有在P10-11中敲,可能是后面的敲的
import os
from PIL import Image
from torch.utils.data import Dataset
from torchvision import transforms
class MyData(Dataset):
def __init__(self, root_dir, image_dir, label_dir, transform=None):
self.root_dir = root_dir
self.image_dir = image_dir
self.label_dir = label_dir
self.label_path = os.path.join(self.root_dir, self.label_dir)
self.image_path = os.path.join(self.root_dir, self.image_dir)
self.image_list = os.listdir(self.image_path)
self.label_list = os.listdir(self.label_path)
self.transform = transform
# 因为label 和 Image 文件名相同,进行一样的排序,可以保证取出的数据和label是一一对应的
self.image_list.sort()
self.label_list.sort()
def __getitem__(self, idx):
img_name = self.image_list[idx]
label_name = self.label_list[idx]
img_item_path = os.path.join(self.root_dir, self.image_dir, img_name)
label_item_path = os.path.join(self.root_dir, self.label_dir, label_name)
img = Image.open(img_item_path)
with open(label_item_path, 'r') as f:
label = f.readline()
if self.transform:
img = transform(img)
return img, label
def __len__(self):
assert len(self.image_list) == len(self.label_list)
return len(self.image_list)
transform = transforms.Compose([transforms.Resize(400), transforms.ToTensor()])
root_dir = "D:\\Python_In_One\\Project\\XiaoTuDui\\data\\train"
image_ants = "ants_image"
label_ants = "ants_label"
ants_dataset = MyData(root_dir, image_ants, label_ants, transform=transform)
image_bees = "bees_image"
label_bees = "bees_label"
bees_dataset = MyData(root_dir, image_bees, label_bees, transform=transform)