Pytorch之ImageFolder

最新推荐文章于 2024-06-21 16:24:11 发布
最新推荐文章于 2024-06-21 16:24:11 发布
阅读量1.1k 收藏 1
点赞数 1
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44054487/article/details/100853795
版权

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）

root -- 在root指定的路径下寻找图片
transform -- 对PIL Image 进行转换操作， transform的输入是使用load读入图片的返回对象
target_transform -- 对label进行转换
loader -- 指定加载图片的函数，默认操作是读取PIL Image对象

其中label是按照文件名顺序排序后存成字典的，即{类名：类序号（从0开始）}
可以通过self.class_to_idx属性了解label和文件名的映射关系

报错

RuntimeError: Found 0 files in subfolders of: D:/pycharm/PyTorch/dogcatdataset/dogcat/
Supported extensions are: .jpg,.jpeg,.png,.ppm,.bmp,.pgm,.tif

解决方法

路径问题
root下应该包含对应标签的子文件夹`

举例：

In：
from torchvision.datasets import ImageFolder

dataset = ImageFolder("D:/pycharm/PyTorch/dogcatdataset/dogcat/")

print(dataset.class_to_idx)

Out：
{'cat': 0, 'dog': 1}

In：
dataset.imgs

Out：
[('D:/pycharm/PyTorch/dogcatdataset/dogcat/cat\\cat.4001.jpg', 0),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/cat\\cat.4002.jpg', 0),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/cat\\cat.4003.jpg', 0),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/cat\\cat.4004.jpg', 0),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/dog\\dog.4001.jpg', 1),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/dog\\dog.4002.jpg', 1),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/dog\\dog.4003.jpg', 1),
 ('D:/pycharm/PyTorch/dogcatdataset/dogcat/dog\\dog.4004.jpg', 1)]

In：
dataset[0][1]  # 第一维表示第几张图片，第二维是1返回的是label
Out：
0
dataset[0][0] # 第二维是0，返回的是图片

加上transform

Transform = T.Compose([
        T.RandomCrop(224),
        T.RandomHorizontalFlip(),  # transforms.RandomHorizontalFlip(p=0.5) 依概率p垂直翻转
        T.ToTensor(),
        normalize
        ])

dataset = ImageFolder("D:/pycharm/PyTorch/dogcatdataset/dogcat/", transform = Transform)

In：
dataset[0][0].size()

Out:
torch.Size([3, 224, 224])
WeiXy+
关注
专栏目录
pytorch之ImageFolder
朴素.无恙的博客
12-19 6万+
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...
python transform(img)_pytorch之ImageFolder使用详解
weixin_39737492的博客
12-09 1473
pytorch之ImageFoldertorchvision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...
pytorch中ImageFolder初学
weixin_51431465的博客
10-09 1232
项目场景：pytorch使用ImageFolder来实现自定义数据集
创建自己的数据处理类（图像分类——ImageFolder)
最新发布
weixin_51340013的博客
06-21 173
方法，逐个获得全部的预处理后的图片和target(该图片的所属类的索引),然后按照。方法返回 预处理后的一张图片和target(该图片的所属类的索引)；，然后返回预处理后的图片以及对应的标签(该图片的所属类的索引)；负责读取一张图片，并对图像进行预处理。
Pytorch——ImageFolder使用
qq_29774003的博客
07-02 8694
ImageFolder是一个通用的数据加载器，数据集应当按照指定的格式进行存储。 1 数据集构造方式 比如我们的数据集一共包括两个类别：cat、dog，每个类别包括四张图片。所有的图片按文件夹保存，每个文件夹下存储同一个类别的图片，文件夹名为类名。 2 ImageFolder 2.1 调用 import torchvision.datasets dataset=ImageFo...
【单点知识】基于实例讲解PyTorch中的ImageFolder类
m0_49963403的博客
03-19 1940
ImageFolder专题讲解
Pytorch——ImageFolder简单使用
斯人若彩虹，遇上方知有！
08-04 8108
一、ImageFolder ImageFolder会将目录中的文件夹名自动转化成序列，每个文件夹下会存储相同的一个类别，文件夹名为类名；当DataLoader载入时，标签自动就是整数序列了； 还是先查看一下用法： help(datasets.ImageFolder) class ImageFolder(DatasetFolder)函数构造： | ImageFolder(root, transform=None, target_transform=None, loader=<default_.
pytorch之ImageFolder使用详解
12-23
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...
python中flag与folder用法_pytorch之ImageFolder使用详解
weixin_39795845的博客
12-15 1038
pytorch之ImageFoldertorchvision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...
【pytorch基础】torchvision.ImageFolder()函数使用方法
All_In_gzx_cc的博客
06-22 694
转载自：https://blog.csdn.net/c2250645962/article/details/105291782 背景 在使用pytorch做深度学习任务的数据加载时，常用的方式是使用torchvision.Dataset类定义数据读取，然后使用torch.utils.data.DataLoader定义数据加载器。该部分内容见 链接 不过，有些分类数据的文件目录组织形式如下： 即默认你的数据集已经自觉按照要分配的类型分成了不同的文件夹，一种类型的文件夹下面只存放一种类型的图片。 这时候，定义
pytorch的ImageFolder用法
gbz3300255的博客
07-30 4971
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： 1 ImageFo
pytorch torchvision.ImageFolder的用法介绍
09-17
今天小编就为大家分享一篇pytorch torchvision.ImageFolder的用法介绍，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
PyTorch之ImageFolder函数
weixin_39386156的博客
10-22 6734
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...
pytorch ImageFolder
DDghost的博客
06-07 1907
参考官方文档：https://pytorch-cn.readthedocs.io/zh/latest/torchvision/torchvision-datasets/#imagefolder 简单使用 ImageFolder是一个很好用的数据加载器 所需要的文件结构如下所示，每一类的图片都在各自类的文件夹下（狗的图片在dog文件夹下，猫的图片在cat文件夹的，而这些类的文件夹都在同一个根目录下）...
pytorch中ImageFolder()使用方法
CSDN 精品推荐
11-13 1820
对于新手入门，我们最常见的就是猫狗分类数据集，但是对于已经在本地的图像文件，我们一改如何加载进来呢？这里pytorch中给出了ImageFolder函数，它可以将指定路径下的所有图像读取进来，对于ImageFolder使用方法，我们需要将所有图像按照文件夹保存，例如所有猫的图像放入到cat文件夹中，所有狗的图像放入到dog文件夹中，该函数就会自动识别类别，将图像所在的目录名称作为label。
Pytorch 中的 ImalgeFolder()
Z2572862506的博客
01-11 504
Pytorch 中的 ImalgeFolder()
用c++ libtorch实现pytorch的ImageFolder方法
04-06
以下是使用C++和libtorch实现类似于pytorch的ImageFolder方法的示例代码： ``` #include <torch/torch.h> #include <opencv2/opencv.hpp> class ImageFolderDataset : public torch::data::datasets::Dataset<ImageFolderDataset> { public: ImageFolderDataset(const std::string& root_dir, const std::string& extensions = ".jpg") : root_dir_(root_dir), extensions_(extensions) { // find all image files in the root directory for (auto& dir_entry : std::filesystem::directory_iterator(root_dir)) { auto path = dir_entry.path(); if (std::filesystem::is_regular_file(path) && is_image_file(path)) { image_paths_.push_back(path); } } } // get the i-th example in the dataset torch::data::Example<> get(size_t index) override { // load the image and convert to tensor auto image = cv::imread(image_paths_[index].string()); cv::cvtColor(image, image, cv::COLOR_BGR2RGB); // convert from BGR to RGB torch::Tensor tensor_image = torch::from_blob(image.data, { image.rows, image.cols, 3 }, torch::kByte).permute({ 2, 0, 1 }).toType(torch::kFloat) / 255.0; // get the label from the directory name auto label_path = image_paths_[index].parent_path(); int label = std::distance(std::filesystem::directory_iterator(root_dir_), std::find_if(std::filesystem::directory_iterator(root_dir_), std::filesystem::directory_iterator(), [&label_path](const auto& dir_entry) { return dir_entry.path() == label_path; })); return { tensor_image.clone(), torch::tensor(label) }; } // return the number of examples in the dataset torch::optional<size_t> size() const override { return image_paths_.size(); } private: std::vector<std::filesystem::path> image_paths_; std::string root_dir_; std::string extensions_; bool is_image_file(const std::filesystem::path& path) const { auto extension = path.extension().string(); return extensions_.empty() || std::find(extensions_.begin(), extensions_.end(), extension) != extensions_.end(); } }; int main() { // create the dataset and dataloader std::string root_dir = "/path/to/dataset"; ImageFolderDataset dataset(root_dir); auto data_loader = torch::data::make_data_loader<torch::data::samplers::SequentialSampler>(dataset, torch::data::DataLoaderOptions().batch_size(32)); // train the model using the dataset // ... } ``` 在上面的代码中，`ImageFolderDataset`类继承了`torch::data::datasets::Dataset`，并实现了`get()`和`size()`方法，以便能够使用`torch::data::make_data_loader()`函数创建一个数据加载器。在`get()`方法中，我们加载了图像并将其转换为张量，并从目录名称中获取标签。在`size()`方法中，我们返回数据集中的示例数。 注意，这里我们使用了OpenCV库来加载和处理图像。如果您想使用其他库，可以相应地修改代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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