ImageFolder怎么在pytorch中使用

　　介绍

这期内容当中小编将会给大家带来有关ImageFolder怎么在pytorch中使用,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。

<强> pytorch之ImageFolder

torchvision已经预先实现了常用的数据集,包括前面使用过的CIFAR-10,以及ImageNet,可可,MNIST, LSUN等数据集,可通过诸如torchvision.datasets。CIFAR10来调用。在这里介绍一个会经常使用到的数据集——ImageFolder。

ImageFolder假设所有的文件按文件夹保存,每个文件夹下存储同一个类别的图片,文件夹名为类名,其构造函数如下:

ImageFolder(根,,变换=没有,target_transform=没有,装载机=default_loader)

<强>它主要有四个参数:

根:在根指定的路径下寻找图片

变换:对公益诉讼形象进行的转换操作,变换的输入是使用装载机读取图片的返回对象

target_transform:对标签的转换

装载机:给定路径后如何读取图片,默认读取为RGB格式的公益诉讼对图像象

标签是按照文件夹名顺序排序后存成字典,即{类名:类序号(从0开始)},一般来说最好直接将文件夹命名为从0开始的数字,这样会和ImageFolder实际的标签一致,如果不是这种命名规范,建议看看自己。class_to_idx属性以了解标签和文件夹名的映射关系。

图片结构如下所示:

ImageFolder怎么在pytorch中使用“> </p> <pre类=得到torchvision  import  transforms  as  T 　　import  matplotlib.pyplot  as  plt 　　得到torchvision.datasets  import  ImageFolder 　　 　　 　　时间=dataset  ImageFolder(& # 39;数据/dogcat_2/& # 39;) 　　 　　#,猫文件夹的图片对应label  0,狗对应1 　　打印(dataset.class_to_idx) 　　 　　#,所有图片的路径和对应的标签 　　打印(dataset.imgs) 　　 　　#,没有任何的变换,所以返回的还是PIL 图像对象 　　#打印(数据集[0][1])#,第一维是第几张图,第二维为1返回标签 　　#打印(数据集[0][0]),#,为0返回图片数据 　　plt.imshow(数据集[0][0]) 　　plt.axis(& # 39;从# 39;) 　　plt.show ()

<强>加上变换

normalize =, T.Normalize(意味着=(0.4,0.4,0.4),,std=(0.2, 0.2, 0.2)) 　　时间=transform  T.Compose ([ 　　,,,,T.RandomResizedCrop (224), 　　,,,,T.RandomHorizontalFlip (), 　　,,,,T.ToTensor (), 　　,,,,正常化, 　　]) 　　时间=dataset  ImageFolder (& # 39; data1/dogcat_2 & # 39;,,变换=变换) 　　 　　#,深度学习中图片数据一般保存成CxHxW,即通道数x图片高x图片宽 　　#打印(数据集[0][0].size ()) 　　 　　时间=to_img  T.ToPILImage () 　　#,0.2和0.4是标准差和均值的近似 　　一个=to_img(数据集[0][0]* 0.2 + 0.4) 　　plt.imshow (a) 　　plt.axis(& # 39;从# 39;) 　　plt.show ()

上述就是小编为大家分享的ImageFolder怎么在pytorch中使用了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注行业资讯频道。

ImageFolder怎么在pytorch中使用