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:Deep learning 如何加载数据以及如何使用pytorch进行数据扩充,deep-learning,pytorch,Deep Learning,Pytorch,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 Atti
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: