一、Dataset
Dataset 类提供一种方式去获取数据及其标签
主要有两个目的：
- 获取每一个数据及其标签
- 获取数据的总量大小
1. 在控制台进行操作
Hymenoptera （膜翅目昆虫）数据集下载地址：
链接: https://pan.baidu.com/s/1XKwXsAtE2yzZW2IsvBDpnw?pwd=8a5t
提取码: 8a5t
这是一个蚂蚁蜜蜂二分类的数据集，通常数据集有以下三种组织形式（上面的数据集属于第一种）：
- 不同的类别以文件夹的形式存在，文件夹中是该类别的图片
- 图片与标签分别存储，图片在一个文件夹下，
label信息在另一个文件夹下 -
label直接写在图片名称里
①获取图片的基本信息
在Pycharm 中，点击下方的PythonConsole进入控制台进行操作（通过控制台可以看到变量的详细信息）
首先加载图片，逐行输入下方代码：
from PIL import Image img_path = "./dataset/hymenoptera_data/train/ants/0013035.jpg" img = Image.open(img_path)
此时我们就可以在右侧看到相关变量的信息：
点击img变量，可以查看图片的详细信息。通过控制台执行程序能够直观地获取后续操作所需的数据：
最后可以通过img.show()打开图片查看：
②获取文件的基本信息
同样还是在控制台逐行输入以下代码：
dir_path = "dataset/hymenoptera_data/train/ants" import os img_path_list = os.listdir(dir_path) img_path_list[0]
我们就可以获取到文件夹下的文件名称，由于是使用控制台，我们还可以在右侧查看列表的详细信息：
因此在控制台操作是有很大的优点的，我们可以在控制台逐行执行已经编写好的文件中的语句，通过查看右侧变量的值来判断程序写的是否有问题
2. 编写一个继承Dataset 的类加载数据
下面的代码也可以在控制台运行（可以多行复制粘贴）来检验程序是否有误
①定义 MyData类
导入所需头文件：
from torch.utils.data import Dataset from PIL import Image import os
定义MyData类：
-
__init__：初始化函数 -
__getitem__：返回指定下标的图片和标签 -
__len__：返回数据集的大小
class MyData(Dataset):
def __init__(self, root_dir, label_dir):
self.root_dir = root_dir
self.label_dir = label_dir
self.path = os.path.join(self.root_dir, self.label_dir)
self.img_path = os.listdir(self.path)
def __getitem__(self, idx):
img_name = self.img_path[idx]
img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
img = Image.open(img_item_path)
label = self.label_dir
return img, label
def __len__(self):
return len(self.img_path)其中os.path.join()可以实现多个路径的合并且不出错
②创建类的实例并调用
创建 MyData 类的实例：
if __name__ == "__main__":
root_dir = "../dataset/hymenoptera_data/train"
ants_label_dir = "ants"
bees_label_dir = "bees"
ants_dataset = MyData(root_dir, ants_label_dir)
bees_dataset = MyData(root_dir, bees_label_dir)
调用类中写好的函数：
img, label = ants_dataset.__getitem__(3)
print(ants_dataset.__len__(), label)
img.show()
同时我们也可以通过下面这种方式用已有的数据集来创造数据集：
train_dataset = ants_dataset bees_dataset
二、DataLoader
- DataLoader 类是为后面的网络提供不同的数据形式
- DataLoader 会根据
batch_size的值对数据进行打包 - 导入所需的包
import torchvision from torch.utils.data import DataLoader from torch.utils.tensorboard import SummaryWriter
加载数据：
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)
测试：
img, target = test_data[0] print(img.shape) print(target)
进行日志记录，开始训练：
writer = SummaryWriter("dataloader")
for epoch in range(2):
step = 0
for data in test_loader:
imgs, targets = data
print(imgs.shape)
print(targets)
writer.add_images("Epoch: {}".format(epoch), imgs, step)
step = step 1
writer.close()
到此这篇关于PyTorch Dataset与DataLoader使用超详细讲解的文章就介绍到这了,更多相关PyTorch Dataset与DataLoader内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！