Python 官方文档：入门教程 => 点击学习
目录一、Dataset1. 在控制台进行操作①获取图片的基本信息②获取文件的基本信息2. 编写一个继承Dataset 的类加载数据①定义 MyData类②创建类的实例并调用二、Dat
Dataset 类提供一种方式去获取数据及其标签
主要有两个目的：
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）：
label信息在另一个文件夹下label直接写在图片名称里在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：
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
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
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
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_datasetbatch_size的值对数据进行打包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内容请搜索编程网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编程网！
--结束END--
本文标题: PyTorch Dataset与DataLoader使用超详细讲解
本文链接: https://www.lsjlt.com/news/120746.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑，方便收藏和打印～
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0