【PyTorch笔记】pytorch入门教程6dataloader

import torchvision
from torch.utils.data import DataLoader
from tensorboardX import SummaryWriter

test_data = torchvision.datasets.CIFAR10("./dataset", train=False, transform=torchvision.transforms.ToTensor())
test_loader = DataLoader(dataset=test_data, batch_size=64, shuffle=True, num_workers=0, drop_last=True)
#shuffle是每个epoch都打乱顺序随机抽; num_workers是线程数

img, target = test_data[0]
print(img.shape)
# 返回:torch.Size([3, 32, 32]) 单张图片的尺寸和通道数
print(target)
# 标签的索引




writer = SummaryWriter("dataloader")
for epoch in range(2):  # 进行两轮,上面的 shuffle就是对这个位置有影响
    step = 0
    for data in test_loader:  # 在 cifar10数据集的__getitem__函数里,写了返回值是imgs和targets
        imgs, targets = data
        print(imgs.shape)
        # 返回torch.Size([4, 3, 32, 32]) 4是 batch_size 设定的值, 后面的 3, 32, 32 是单张图片的尺寸和通道数
        print(targets)  返回tensor([2, 8, 0, 2])  这4个数字抽取的四个图片的分类;debug一下,可以看到 sampler中的取值方式是 RandomSampler
        writer.add_images("Epoch: {}".format(epoch), imgs, step)
        step += 1

writer.close()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
为了对整个文件进行数据扩增,你可以使用PyTorch中的一些库和函数。具体来说,你可以使用torchvision.transforms模块来对图像进行增强。这个模块提供了很多预定义的图像转换函数,比如随机旋转、裁剪、缩放等等。引用 首先,你需要导入相应的库和模块: import torchvision.transforms as transforms 然后,你可以使用transforms.Compose()函数将多个转换函数组合在一起,形成一个转换的序列。例如,这是一个例子: transform = transforms.Compose([ transforms.RandomRotation(30), transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ToTensor() ]) 上述代码中的RandomRotation函数将图像随机旋转一定角度,RandomResizedCrop函数将图像随机裁剪为指定大小,RandomHorizontalFlip函数将图像随机水平翻转,最后的ToTensor函数将图像转换为张量。 接下来,你可以读取整个文件,并将每个图像应用于上述转换序列。这里有一个例子: import os from PIL import Image # 定义原始文件夹路径和目标文件夹路径 input_folder = '/path/to/input/folder' output_folder = '/path/to/output/folder' # 创建目标文件夹(如果不存在) if not os.path.exists(output_folder): os.makedirs(output_folder) # 遍历原始文件夹中的所有文件 for filename in os.listdir(input_folder): # 读取图像 image = Image.open(os.path.join(input_folder, filename)) # 应用转换序列 transformed_image = transform(image) # 将转换后的图像保存到目标文件夹中 transformed_image.save(os.path.join(output_folder, filename)) 注意,你需要将代码中的`/path/to/input/folder`和`/path/to/output/folder`替换为实际的文件夹路径。 通过上述步骤,你可以对整个文件中的图像进行数据扩增,并将结果保存到目标文件夹中。希望这可以帮助到你!<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [系统学习Pytorch笔记三:Pytorch数据读取机制(DataLoader)与图像预处理模块(transforms)](https://blog.csdn.net/wuzhongqiang/article/details/105499476)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [PyTorch框架](https://blog.csdn.net/weixin_31948131/article/details/114651830)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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