詳解Pytorch中Dataset的使用

更新時間：2022年12月29日 14:48:53 作者：LRJ-jonas

這篇文章主要為大家詳細(xì)介紹了如何加載并處理TorchVision的FashionMNIST Dataset，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下

此案例教我們加載并處理TorchVision的FashionMNIST Dataset。

root 目錄是 train/test data 存儲的地方

download=True 如果root目錄沒有，則從網(wǎng)上下載

transform and target_transform specify the feature and label transformations

import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt
 
 
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor()
)
 
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

運行得到的結(jié)果是這樣的：

遍歷并可視化數(shù)據(jù)集

給數(shù)據(jù)集手動加上序號sample_idx，并用matplotlib進行繪制：

labels_map = {
    0: "T-Shirt",
    1: "Trouser",
    2: "Pullover",
    3: "Dress",
    4: "Coat",
    5: "Sandal",
    6: "Shirt",
    7: "Sneaker",
    8: "Bag",
    9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
    sample_idx = torch.randint(len(training_data), size=(1,)).item()
    img, label = training_data[sample_idx]
    figure.add_subplot(rows, cols, i)
    plt.title(labels_map[label])
    plt.axis("off")
    plt.imshow(img.squeeze(), cmap="gray")
plt.show()

traning_data

torch.randint(len(training_data), size=(1,)).item()

為我的文件自定義一個Dataset

一個自定義的Dataset必須有三個函數(shù)：__init__, __len__, and __getitem__

圖片存儲在img_dir

import os
import pandas as pd
from torchvision.io import read_image
 
class CustomImageDataset(Dataset):
    def __init__(self, annotations_file, img_dir, transform=None, target_transform=None):
        self.img_labels = pd.read_csv(annotations_file)
        self.img_dir = img_dir
        self.transform = transform
        self.target_transform = target_transform
 
    def __len__(self):
        return len(self.img_labels)
 
    def __getitem__(self, idx):
        img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])
        image = read_image(img_path)
        label = self.img_labels.iloc[idx, 1]
        if self.transform:
            image = self.transform(image)
        if self.target_transform:
            label = self.target_transform(label)
        return image, label

到此這篇關(guān)于詳解Pytorch中Dataset的使用的文章就介紹到這了,更多相關(guān)Pytorch Dataset使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: