PyTorch如何创建自己的数据集
作者：ZQ_ZHU
PyTorch创建自己的数据集
图片文件在同一的文件夹下
思路是继承 torch.utils.data.Dataset，并重点重写其 __getitem__方法，示例代码如下：
class ImageFolder(Dataset):
def __init__(self, folder_path):
self.files = sorted(glob.glob('%s/*.*' % folder_path))
def __getitem__(self, index):
path = self.files[index % len(self.files)]
img = np.array(Image.open(path))
h, w, c = img.shape
pad = ((40, 40), (4, 4), (0, 0))
# img = np.pad(img, pad, 'constant', constant_values=0) / 255
img = np.pad(img, pad, mode='edge') / 255.0
img = torch.from_numpy(img).float()
patches = np.reshape(img, (3, 10, 128, 11, 128))
patches = np.transpose(patches, (0, 1, 3, 2, 4))
return img, patches, path
def __len__(self):
return len(self.files)图片文件在不同的文件夹下
比如我们有数据如下：
─── data
├── train
│ ├── 0.jpg
│ └── 1.jpg
├── test
│ ├── 0.jpg
│ └── 1.jpg
└── val
├── 1.jpg
└── 2.jpg
此时我们只需要将以上代码稍作修改即可，修改的代码如下：
self.files = sorted(glob.glob('%s/**/*.*' % folder_path, recursive=True))其他代码不变。
pytorch常用数据集的使用
对于pytorch数据集的使用，示例代码如下：
from torch.utils.tensorboard import SummaryWriter
from torchvision.transforms import Compose
from torchvision import transforms
import torchvision
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
dataset_transform = Compose([transforms.ToTensor()])
# 关于官方数据集的使用还是关键要看pytorch的官方文档
train_set = torchvision.datasets.CIFAR10(root="./CIFAR10",train=True,transform=dataset_transform,download=True)
test_set = torchvision.datasets.CIFAR10(root="./CIFAR10",train=False,transform=dataset_transform,download=True)
# 查看测试数据集中的第一个数据
# print(test_set[0])
# 查看测试数据集中的分类情况
# print(test_set.classes)
#
# 取出第一个数据中的图片（img）和分类结果（target）
# img,target = test_set[0]
# 查看图片数据的类型
# print(img)
# print(target)
# 输出类别
# print(test_set.classes[target])
# 查看图片
# img.show()
# 使用tensorboard显示tensor数据类型的图片
writer = SummaryWriter("logs")
for i in range(10):
# 取出数据中的图片（img）和分类结果（target）
img,target = test_set[i]
writer.add_image("test_set",img,i)
writer.close()上述代码运行结果在tensorboard可视化：
代码
train_set = torchvision.datasets.CIFAR10(root="./CIFAR10",train=True,transform=dataset_transform,download=True)
常用参数讲解
root:根目录，存放数据集的位置train:若为True，则划分为训练数据集，若为False，则划分为测试数据集transform：指定输入数据集处理方式download:若为True，则会将数据集下载到root指定的目录下，否则不会下载
官方文档对参数的解释：
root (string) – Root directory of dataset where directory cifar-10-batches-py exists or will be saved to if download is set to True.
train (bool, optional) – If True, creates dataset from training set, otherwise creates from test set.
transform (callable, optional) – A function/transform that takes in an PIL image and returns a transformed version. E.g, transforms.RandomCrop
target_transform (callable, optional) – A function/transform that takes in the target and transforms it.
download (bool, optional) – If true, downloads the dataset from the internet and puts it in root directory. If dataset is already downloaded, it is not downloaded again.
注意：
- 关于官方数据集的使用还是关键要看pytorch的官方文档
- 下载数据集的细节之处：知道下载链接（下载链接可以在源码中查看）之后可以不用使用代码下载了，使用迅雷来下载可能会更快。
- 要学会使用Pycharm中的ctrl+p和ctrl+alt这两个快捷键
- pytorch官网
- pytorch官方数据集（下载数据集方法）
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。