PyTorch实现重写/改写Dataset并载入Dataloader
17 浏览量
2020-09-16
12:21:38
上传
评论 1
收藏 61KB PDF 举报
PyTorch实现重写实现重写/改写改写Dataset并载入并载入Dataloader
主要介绍了PyTorch实现重写/改写Dataset并载入Dataloader，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
前言前言
众所周知，Dataset和Dataloder是pytorch中进行数据载入的部件。必须将数据载入后，再进行深度学习模型的训练。在
pytorch的一些案例教学中，常使用torchvision.datasets自带的MNIST、CIFAR-10数据集，一般流程为：
# 下载并存放数据集
train_dataset = torchvision.datasets.CIFAR10(root="数据集存放位置",download=True)
# load数据
train_loader = torch.utils.data.DataLoader(dataset=train_dataset)
但是，在我们自己的模型训练中，需要使用非官方自制的数据集。这时应该怎么办呢？
我们可以通过改写torch.utils.data.Dataset中的__getitem__和__len__来载入我们自己的数据集。
__getitem__获取数据集中的数据，__len__获取整个数据集的长度（即个数）。
改写改写
采用pytorch官网案例中提供的一个脸部landmark数据集。数据集中含有存放landmark的csv文件，但是我们在这篇文章中不使
用（其实也可以随便下载一些图片作数据集来实验）。
import os
import torch
from skimage import io, transform
import numpy as np
import matplotlib.pyplot as plt
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms, utils
plt.ion() # interactive mode
torch.utils.data.Dataset是一个抽象类，我们自己的数据集需要继承Dataset，然后改写上述两个函数：
class ImageLoader(Dataset):
def __init__(self, file_path, transform=None):
super(ImageLoader,self).__init__()
self.file_path = file_path
self.transform = transform # 对输入图像进行预处理，这里并没有做，预设为None
self.image_names = os.listdir(self.file_path) # 文件名的列表
def __getitem__(self,idx):
image = self.image_names[idx]
image = io.imread(os.path.join(self.file_path,image))
# if self.transform:
# image= self.transform(image)
return image
def __len__(self):
return len(self.image_names)
# 设置自己存放的数据集位置，并plot展示
imageloader = ImageLoader(file_path="D:\Projects\datasets\faces\")
# imageloader.__len__() # 输出数据集长度（个数），应为71
# print(imageloader.__getitem__(0)) # 以数据形式展示
plt.imshow(imageloader.__getitem__(0)) # 以图像形式展示
plt.show()
得到的图片输出：
资源评论
