快捷導(dǎo)航

Pytorch關(guān)于Dataset?的數(shù)據(jù)處理

更新時(shí)間：2022年01月25日 12:55:47 作者：游客26024

這篇文章主要介紹了Pytorch關(guān)于Dataset?的數(shù)據(jù)處理，學(xué)習(xí)如何對(duì)卷積神經(jīng)網(wǎng)絡(luò)編程；首先，需要了解Pytorch對(duì)數(shù)據(jù)的使用，也是在我們模型流程中對(duì)數(shù)據(jù)的預(yù)處理部分，下面我們就一起進(jìn)入文章查看具體處理過程吧

Pytorch系列是了解與使用Pytorch編程來實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)。

學(xué)習(xí)如何對(duì)卷積神經(jīng)網(wǎng)絡(luò)編程；首先，需要了解Pytorch對(duì)數(shù)據(jù)的使用（也是在我們模型流程中對(duì)數(shù)據(jù)的預(yù)處理部分），其中有兩個(gè)包Dataset,DataLoader。Dataset是Pytorch對(duì)于單個(gè)數(shù)據(jù)的處理類似于給一堆數(shù)據(jù)進(jìn)行編號(hào)，（在有標(biāo)簽的圖像處理中）對(duì)其有序地提取圖像與標(biāo)簽，
而DataLoader則是一坨一坨的數(shù)據(jù)進(jìn)行批次的處理。

此實(shí)驗(yàn)運(yùn)用的數(shù)據(jù)是北郵鄧偉洪老師的人臉表情包的數(shù)據(jù)集，

當(dāng)然大家也可以自己手動(dòng)做個(gè)二分類數(shù)據(jù)集之類的就將一幅幅的圖片放圖標(biāo)簽命名的文件夾中即可。

將鄧偉洪老師的RAF-DB簡(jiǎn)單來刨析，假設(shè)其只有Image,沒有真正的Annotation等，
則其根路徑（整個(gè)data的大體位置）設(shè)為 root_dir = "D:\data\basic"
(由于以下考慮了Annotation,"Image"放入label)標(biāo)簽路徑（data下的label位置）設(shè)為label_dir="Image\aligned(original)"

可參考下圖理解：

假設(shè)aligned與original是標(biāo)簽，但是它是真正的圖片的路徑

現(xiàn)在開始編程：

因?yàn)槭褂?code>Dataset，即讓新的類（MyData）來繼承Dataset需要改寫 def __getitem__(self,item):與 def __len__(self):
其中， def __getitem__ (self,item):輸入一系列圖像的path與圖像的index(組合為一張圖像的詳細(xì)地址)，輸出圖像與標(biāo)簽,代碼中默認(rèn)item為序列號(hào)，但是為了方便將item改寫為idx;
def __len__(self):輸入一系列圖像的路徑，輸出這些圖像的個(gè)數(shù)。
其他的函數(shù)就可以創(chuàng)新加載自己定義的類里。

from torch.utils.data import Dataset #Dataset的包
import os #路徑需要這個(gè)
import cv2 # 需要讀取圖片，最好用opencv-python,當(dāng)然也可以用PIL只是我不順手


class MyData(Dataset): #我定義的這個(gè)類
    def __init__(self, root_dir, label_dir):
     #下面需要使用的變量，在__init__定義好，
        self.root_dir = root_dir # 根路徑 data在電腦或者服務(wù)器大致的位置
        self.label_dir = label_dir # label的位置（這里假設(shè)Image的名字就是label的位置）
        self.path = os.path.join(self.root_dir, self.label_dir)# 將這個(gè)兩個(gè)合在一起就能找到整體圖片的大致路徑
        self.img_path = os.listdir(self.path) #得到整體圖片的路徑（可取其中的一張一張的圖像的名字）

    def __getitem__(self, idx): 
    # 改寫__getitem__(self,item)函數(shù)，最后得到圖像，標(biāo)簽
      #獲取具體的一幅圖像的名字
        img_name = self.img_path[idx]
        #獲取一幅圖像的詳細(xì)地址
        img_item_path = os.path.join(self.root_dir, self.label_dir, img_name)
        #用opencv來讀取圖像
        img = cv2.imread(img_item_path)
        #獲取標(biāo)簽（這里簡(jiǎn)單寫了aligned與original）
        label = self.label_dir
        return img, label

    def __len__(self):
    #改寫整體圖像的大小
        return len(self.img_path)


root_dir = "D://data//basic"
img_dir = "Image"
aligned_label_dir = "aligned"
# aligned_label_dir = "Image//aligned"
aligned_label_dir = os.path.join(img_dir, aligned_label_dir)

original_label_dir = "original"
#original_label_dir = "Image//original"
original_label_dir = os.path.join(img_dir, original_label_dir)

#aligned_data = "D://data//basic//Image//aligned"
aligned_data = MyData(root_dir, aligned_label_dir)
#original_data = "D://data//basic//Image//original"
original_data = MyData(root_dir, original_label_dir)
data = aligned_data + original_data
# 15339
print(len(aligned_data))
# 15339
print(len(original_data))
# 30678
print(len(data))
img_1, label_1 = data[15338]
img_2, label_2 = data[15339]
print(label_1) # Image\aligned
print(label_2) # Image\original

您可能感興趣的文章: