pytorch torchvision.ImageFolder的用法介紹

更新時間：2020年02月20日 13:09:23 作者：慢行厚積

今天小編就為大家分享一篇pytorch torchvision.ImageFolder的用法介紹，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

torchvision.datasets

Datasets 擁有以下API:

__getitem__

__len__

Datasets都是 torch.utils.data.Dataset的子類，所以，他們也可以通過torch.utils.data.DataLoader使用多線程（python的多進程）。

舉例說明：

torch.utils.data.DataLoader(coco_cap, batch_size=args.batchSize, shuffle=True, num_workers=args.nThreads)

在構(gòu)造函數(shù)中，不同的數(shù)據(jù)集直接的構(gòu)造函數(shù)會有些許不同，但是他們共同擁有 keyword 參數(shù)。

transform：一個函數(shù)，原始圖片作為輸入，返回一個轉(zhuǎn)換后的圖片。

target_transform - 一個函數(shù)，輸入為target，輸出對其的轉(zhuǎn)換。例子，輸入的是圖片標注的string，輸出為word的索引。

ImageFolder

一個通用的數(shù)據(jù)加載器，數(shù)據(jù)集中的數(shù)據(jù)以以下方式組織

root/dog/xxx.png
root/dog/xxy.png
root/dog/xxz.png

root/cat/123.png
root/cat/nsdf3.png
root/cat/asd932_.png

既其默認你的數(shù)據(jù)集已經(jīng)自覺按照要分配的類型分成了不同的文件夾，一種類型的文件夾下面只存放一種類型的圖片

運行命令為：

import torchvision.datasets as dset

dset.ImageFolder(root="root folder path", [transform, target_transform])

root ：指定圖片存儲的路徑，在下面的例子中是'./data/dogcat_2'

transform：一個函數(shù)，原始圖片作為輸入，返回一個轉(zhuǎn)換后的圖片。

target_transform - 一個函數(shù)，輸入為target，輸出對其的轉(zhuǎn)換。例子，輸入的是圖片標注的string，輸出為word的索引。

有以下成員變量:

self.classes - 用一個list保存類名

self.class_to_idx - 類名對應的索引

self.imgs - 保存(img-path, class) tuple的list

即后面可以通過查看返回的數(shù)據(jù)集對象來查看相應的值，下面舉例說明：

圖片為：

可見分成了cat和dog兩類

import torchvision.datasets as dset
dataset = dset.ImageFolder('./data/dogcat_2') #沒有transform，先看看取得的原始圖像數(shù)據(jù)
print(dataset.classes) #根據(jù)分的文件夾的名字來確定的類別
print(dataset.class_to_idx) #按順序為這些類別定義索引為0,1...
print(dataset.imgs) #返回從所有文件夾中得到的圖片的路徑以及其類別

返回：

['cat', 'dog']
{'cat': 0, 'dog': 1}
[('./data/dogcat_2/cat/cat.12484.jpg', 0), ('./data/dogcat_2/cat/cat.12485.jpg', 0), ('./data/dogcat_2/cat/cat.12486.jpg', 0), ('./data/dogcat_2/cat/cat.12487.jpg', 0), ('./data/dogcat_2/dog/dog.12496.jpg', 1), ('./data/dogcat_2/dog/dog.12497.jpg', 1), ('./data/dogcat_2/dog/dog.12498.jpg', 1), ('./data/dogcat_2/dog/dog.12499.jpg', 1)]

如果在數(shù)據(jù)下面又添加了一個類型'others'，那么訪問類型的時候返回的就是：

['cat', 'dog', 'others']
{'cat': 0, 'dog': 1, 'others': 2}

查看得到的圖片數(shù)據(jù)：

#從返回結(jié)果可見得到的數(shù)據(jù)仍是PIL Image對象
print(dataset[0])
print(dataset[0][0])
print(dataset[0][1]) #得到的是類別0，即cat

返回：

(<PIL.Image.Image image mode=RGB size=497x500 at 0x11D99A9B0>, 0)
<PIL.Image.Image image mode=RGB size=497x500 at 0x11DD24278>
0

然后定義一個對數(shù)據(jù)進行處理的transform：

#可以看出來此時得到的圖片數(shù)據(jù)已經(jīng)是處理過后的tensor數(shù)據(jù)了
print(dataset[0][0])
print(dataset[0][0].size()) #大小也是經(jīng)過設定后的大小224
print(dataset[0][1]) #得到的是類別0，即cat

返回：

tensor([[[-0.7412, -0.7490, -0.7725, ..., 0.3176, 0.3412, 0.3725],
   [-0.7333, -0.7412, -0.7882, ..., 0.3255, 0.3647, 0.4039],
   [-0.7098, -0.7569, -0.8039, ..., 0.3255, 0.3725, 0.4039],
   ...,
   [ 0.3961, 0.3961, 0.4039, ..., 0.2627, 0.2627, 0.2549],
   [ 0.4196, 0.4039, 0.4118, ..., 0.2549, 0.2392, 0.2314],
   [ 0.4275, 0.4275, 0.4431, ..., 0.2314, 0.2314, 0.2235]],

  [[-0.7412, -0.7490, -0.7725, ..., 0.3882, 0.3725, 0.3569],
   [-0.7333, -0.7412, -0.7882, ..., 0.3961, 0.3961, 0.3882],
   [-0.7098, -0.7569, -0.8039, ..., 0.3882, 0.4039, 0.3882],
   ...,
   [ 0.0431, 0.0510, 0.0667, ..., -0.0824, -0.0824, -0.0902],
   [ 0.0510, 0.0431, 0.0588, ..., -0.0824, -0.1059, -0.1137],
   [ 0.0353, 0.0353, 0.0510, ..., -0.0902, -0.1059, -0.1216]],

  [[-0.8353, -0.8431, -0.8667, ..., 0.3255, 0.3255, 0.3255],
   [-0.8196, -0.8275, -0.8824, ..., 0.3333, 0.3490, 0.3569],
   [-0.7804, -0.8353, -0.8667, ..., 0.3333, 0.3569, 0.3569],
   ...,
   [-0.2863, -0.2784, -0.2627, ..., -0.3569, -0.3569, -0.3647],
   [-0.2549, -0.2706, -0.2549, ..., -0.3569, -0.3804, -0.3882],
   [-0.2235, -0.2471, -0.2392, ..., -0.3569, -0.3804, -0.4039]]])
torch.Size([3, 224, 224])

以上這篇pytorch torchvision.ImageFolder的用法介紹就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: