数据处理
<>强版1本
#数据处理
进口操作系统
进口火炬
从火炬。跑龙套导入数据
从公益诉讼导入图像
进口numpy np
#定义自己的数据集合
类DogCat (data.Dataset):
def __init__(自我,根):
#所有图片的绝对路径
一个=os.listdir(根)
self.imgs=[os.path.join(根、k) k的一个
def __getitem__(自我,指数):
img_path=self.imgs(指数)
#狗→1只猫→0
标签=1如果img_path.split“狗”(“/?[1]0
pil_img=Image.open (img_path)
数组=np.asarray (pil_img)
data=https://www.yisu.com/zixun/torch.from_numpy(数组)
返回数据、标签
def __len__(自我):
返回len (self.imgs)
数据集=DogCat(“。/数据/DogCat”)
打印(数据集[0])
之前
输出:
（
(0)=215 203 191
206 194 182
211 199 187
& # 8942;
200 191 186
201 192 187
201 192 187
(1)=215 203 191
208 196 184
213 201 189
& # 8942;
198 189 184
200 191 186
201 192 187
(2)=215 201 188
209 195 182
214 200 187
& # 8942;
200 191 186
202 193 188
204 195 190
…
(399年)=72 90 32
88 106年48
38 56个0
& # 8942;
158 161 106
36 87 85
105 98 52
(火炬。ByteTensor大小400 x300x3]
, 1)
之前
<强>上面的数据处理有下面的问题:
1。返回的样本的形状大小不一致,每一张图片的大小不一样。这对于需要批训练的神经网络来说很不友好。
2。返回的数据样本数值很大,没有归一化【1】
1
对于上面的问题,pytorch torchvision是一个视觉化的工具包,提供了很多的图像处理的工具,其中变换模块提供了对公益诉讼的形象对象和张量对象的常用操作。
<强>对公益诉讼的形象常见的操作如下;
调整调整图片的尺寸,长宽比保持不变
CentorCrop、RandomCrop RandomSizeCrop裁剪图片
垫填充
ToTensor将公益诉讼图像转换为张量,会自动将[0255]归一化至[0,1]
<强>对张量的操作如下:
规范化标准化,即减均值,除以标准差
ToPILImage将张量转换为公益诉讼对图像象
<>强版本2
#数据处理
进口操作系统
进口火炬
从火炬。跑龙套导入数据
从公益诉讼导入图像
进口numpy np
从torchvision导入转换
变换=transforms.Compose ([
transforms.Resize(224), #缩放图片,保持长宽比不变,最短边的长为224像素,
#从transforms.CenterCrop(224),中间切出224 * 224的图片
transforms.ToTensor(), #将图片转换为张量,归一化至[0,1]
transforms.Normalize(意味着=[5、5、5],std=[5、5、5]) #标准化至[1]
])
#定义自己的数据集合
类DogCat (data.Dataset):
def __init__(自我,根):
#所有图片的绝对路径
一个=os.listdir(根)
self.imgs=[os.path.join(根、k) k的一个
self.transforms=变换
def __getitem__(自我,指数):
img_path=self.imgs(指数)
#狗→1只猫→0
标签=1如果img_path.split“狗”(“/?[1]0
pil_img=Image.open (img_path)
如果self.transforms:
data=https://www.yisu.com/zixun/self.transforms (pil_img)
其他:
pil_img=np.asarray (pil_img)
data=torch.from_numpy (pil_img)
返回数据、标签
def __len__(自我):
返回len (self.imgs)
数据集=DogCat(“。/数据/DogCat”)
打印(数据集[0])
之前
输出:
（
(0)=-0.2000 - -0.2627 -0.0824 -0.1765 -0.2627 -0.1686…
-0.2078 - -0.1765 -0.2863 -0.2392 -0.3098 -0.3176…
-0.1137 - -0.0118 -0.2941 -0.3176 -0.2392 -0.2784…
…& # 8945;…
-0.8196 - -0.8353 -0.8510 -0.7569 -0.5922 -0.1529…
-0.8196 - -0.8588 -0.8275 -0.8353 -0.7255 -0.3255…
-0.8353 - -0.8824 -0.8196 -0.9373 -0.7647 -0.4510…
(1)=-0.0980 - -0.1529 0.0118 -0.0431 -0.1373 -0.0431…
-0.0745 - -0.0431 -0.1608 -0.0980 -0.1686 -0.1765…
0.0431 - 0.1529 -0.1451 -0.1686 -0.0902 -0.1373…
…& # 8945;…
-0.7725 - -0.7961 -0.7961 -0.5529 -0.3804 0.0667…
-0.7882 - -0.8275 -0.7804 -0.6314 -0.5137 -0.1137…
-0.8039 - -0.8588 -0.7725 -0.7490 -0.5608 -0.2392…
…
(火炬。FloatTensor大小3 x224x224]
, 1)
