PyTorch Dataset与DataLoader使用超详细讲解
更新时间：2022年10月13日 14:09:20 作者：竹清兰香
用于处理数据样本的代码可能会变得凌乱且难以维护；理想情况下，我们希望数据集代码与模型训练代码解耦，以获得更好的可读性和模块化。PyTorch提供的torch.utils.data.DataLoader和torch.utils.data.Dataset允许你使用预下载的数据集或自己制作的数据
一、Dataset
Dataset 类提供一种方式去获取数据及其标签
主要有两个目的：
- 获取每一个数据及其标签
- 获取数据的总量大小
1. 在控制台进行操作
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）：
- 不同的类别以文件夹的形式存在，文件夹中是该类别的图片
- 图片与标签分别存储，图片在一个文件夹下，
label信息在另一个文件夹下 label直接写在图片名称里
①获取图片的基本信息
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：
②获取文件的基本信息
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
2. 编写一个继承Dataset 的类加载数据
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
①定义 MyData类
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
②创建类的实例并调用
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_dataset
二、DataLoader
- DataLoader 类是为后面的网络提供不同的数据形式
- DataLoader 会根据
batch_size的值对数据进行打包 - 导入所需的包
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内容请搜索脚本之家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脚本之家！
相关文章
今天小编就为大家分享一篇python读取指定字节长度的文本方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要为大家介绍了Python 类中定义多个构造器方法重载与泛方法示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-03-03
今天小编就为大家分享一篇numpy 进行数组拼接,分别在行和列上合并的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
本文主要介绍了Python正则表达式中group与groups的用法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
这篇文章主要来和大家分享10个拿来即用的Python自动化脚本,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以跟随小编一起学习一下2023-12-12
Python中读取NetCDF文件有多种方法,包括使用netCDF4、xarray、h5py、SciPy和Pseudonetcdf等库,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-09-09
这篇文章主要介绍了Python面向对象编程中的类和对象学习教程,面向对象是Python的基础特性，其中的类与对象的特性和使用方法是Python学习当中的基本功，需要的朋友可以参考下2015-03-03
这篇文章主要介绍了Python使用flask框架操作sqlite3的两种方式,结合实例形式分析了Python基于flask框架操作sqlite3数据库的两种常用操作技巧,需要的朋友可以参考下2018-01-01
这篇文章主要介绍了TensorFlow数据输入的方法示例，主要介绍了4种方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-06-06
这篇文章主要介绍了Python实现在线批量美颜功能过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
最新评论