使用pytorch進(jìn)行圖像的順序讀取方法
產(chǎn)生此次實(shí)驗(yàn)的原因:當(dāng)我使用pytorch進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí),需要每次向CNN傳入一組圖像,并且這些圖片的存放位置是在兩個(gè)文件夾中:
A文件夾:圖片1a,圖片2a,圖片3a……圖片1000a
B文件夾:圖片1b, 圖片2b,圖片3b……圖片1000b
所以在每個(gè)循環(huán)里,我都希望能從A中取出圖片Na,同時(shí)從B文件夾中取出對(duì)應(yīng)的圖片Nb。
測(cè)試一:通過(guò)pytorch官方文檔中的dataloader搭配python中的迭代器iterator
dataset = dset.ImageFolder( root='./folder1', transform=transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5)), # bring images to (-1,1) ]) ) dataloader1 = torch.utils.data.DataLoader(dataset, batch_size=opt.batchSize, shuffle=True, num_workers=opt.workers) iterator1 = iter(dataloader1) for i in range(1,1001): data = iterator1.next() data2 = iterator2.next()
將兩個(gè)dataloader當(dāng)作數(shù)據(jù)集,然后分別調(diào)用迭代器iter(),然后在每次調(diào)用的時(shí)候使用next()來(lái)得到數(shù)據(jù)。
測(cè)試一下:將每次讀入的圖像輸出,不對(duì)!發(fā)現(xiàn)圖像并不是按照?qǐng)D像1,圖像2,圖像3......這樣順序讀取的,而是很奇怪的順序。所以為了要順序讀取數(shù)據(jù),我們需要使用別的方法。
測(cè)試一的實(shí)驗(yàn)結(jié)果:此路不通!
from PIL import Image pathDir = os.listdir('./folder') #獲取文件夾內(nèi)所有文件的名稱,生成數(shù)組 pathDir.sort() #對(duì)所有文件名進(jìn)行排序 for allDir in pathDir: child = os.path.join('%s/%s' % ('./folder', allDir))#合成文件名 fopen = Image.open(child).convert('RGB') #通過(guò)PIL讀取文件 transform_list = [transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))] transform = transforms.Compose(transform_list)#將PIL格式的文件轉(zhuǎn)換成 tensor image = transform(fopen) #轉(zhuǎn)換
測(cè)試二:首先得到文件夾下的所有文件名,將文件名數(shù)組做sort()排序,然后每次通過(guò)文件名讀取圖像。
輸出每次讀入的圖片,發(fā)現(xiàn)每次排序不正確,它的排序方法是圖片1,圖片10,圖片100……
與我們的期望不一樣,所以這種方法也不對(duì)(可以重寫sort函數(shù)來(lái)進(jìn)行自定義的排序,這里不做深入探究)
測(cè)試二的實(shí)驗(yàn)結(jié)果:此路或許可通!
測(cè)試三:通過(guò)自己構(gòu)造每次訪問(wèn)的文件名來(lái)訪問(wèn)
for i in range(1,1001): drain = irain.next() dnorain = iground.next() drain = os.path.join('%s/圖像%s' % ('./rainy_img', i)) #跟上面一樣,不過(guò)因?yàn)橐呀?jīng)知道文件的取名順序,所以拼出需要訪問(wèn)的文件名 fopen = Image.open(drain).convert('RGB') drain = transform(fopen) print(drain)
測(cè)試三的實(shí)驗(yàn)結(jié)果:此路暢通無(wú)阻!
以上這篇使用pytorch進(jìn)行圖像的順序讀取方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
使用python opencv對(duì)畸變圖像進(jìn)行矯正的實(shí)現(xiàn)
本文主要介紹了使用python opencv對(duì)畸變圖像進(jìn)行矯正的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-05-05vscode調(diào)試django項(xiàng)目的方法
這篇文章主要介紹了vscode調(diào)試django項(xiàng)目的方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08Python3 多線程(連接池)操作MySQL插入數(shù)據(jù)
本文將結(jié)合實(shí)例代碼,介紹Python3 多線程(連接池)操作MySQL插入數(shù)據(jù),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-06-06Python實(shí)現(xiàn)FTP文件定時(shí)自動(dòng)下載的步驟
這篇文章主要介紹了Python實(shí)現(xiàn)FTP文件定時(shí)自動(dòng)下載的示例,幫助大家更好的理解和使用python,感興趣的朋友可以了解下2020-12-12Python中函數(shù)帶括號(hào)和不帶括號(hào)的區(qū)別及說(shuō)明
這篇文章主要介紹了Python中函數(shù)帶括號(hào)和不帶括號(hào)的區(qū)別及說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-11-11