Deep learning 如何加载数据以及如何使用pytorch进行数据扩充

我是Pytorch的新手，我正在做图像分类问题，但我不知道如何从加载目录加载图像，请帮助我如何加载数据图像数据以及如何增强

我的数据如下所示：

train=pd.read_csv('dataset/train.csv')
test=pd.read_csv('dataset/test.csv') 
train.head()
Image   Class
0   image7042.jpg   Food
1   image3327.jpg   misc
2   image10335.jpg  Attire
3   image8019.jpg   Food
4   image2128.jpg   Attire

这里是我的图像文件夹：

file_path='dataset/Train Images'

---

您可以使用torchvision进行此操作。假设将所有训练/测试图像分为两个文件夹，分别为

train

和

test

，下面是一些关于如何加载和迭代图像的示例代码：

import torchvision
from torchvision import datasets, transforms

def load_dataset(data_path):
    dataset = torchvision.datasets.ImageFolder(
        root=data_path,
        transform=transforms.Compose([torchvision.transforms.ToTensor()])
    )
    data_loader = torch.utils.data.DataLoader(
        dataset,
        batch_size=1,
        num_workers=0,
        shuffle=True
    )
    return data_loader

train_loader = load_dataset(f'{base_dir}/train')
test_loader = load_dataset(f'{base_dir}/test')

for batch_idx, (data, _) in enumerate(train_loader):
   # Train model

...

for batch_idx, (data, _) in enumerate(test_loader):
   # Evaluate model

如果要成批训练模型，可以增加

batch_size

，在

transform

参数中添加转换器以增强图像，以及其他许多功能

---

查看文档：

我认为您不需要为此使用熊猫。查看有关为图像数据创建PyTorch数据加载器的本教程：