Deep learning 如何从csv文件中提取图像和标签,并使用torch创建列车组?
我下载了一个用于面部关键点检测的数据集。图像和标签都在一个CSV文件中。我使用pandas提取了它,但我不知道如何将其转换为张量,并将其加载到数据加载器中进行训练Deep learning 如何从csv文件中提取图像和标签,并使用torch创建列车组?,deep-learning,computer-vision,pytorch,torch,torchvision,Deep Learning,Computer Vision,Pytorch,Torch,Torchvision,我下载了一个用于面部关键点检测的数据集。图像和标签都在一个CSV文件中。我使用pandas提取了它,但我不知道如何将其转换为张量,并将其加载到数据加载器中进行训练 dataframe = pd.read_csv("training_facial_keypoints.csv") dataframe['Image'] = dataframe['Image'].apply(lambda i: np.fromstring(i, sep=' ')) dataframe= dataframe.dropna(
dataframe = pd.read_csv("training_facial_keypoints.csv")
dataframe['Image'] = dataframe['Image'].apply(lambda i: np.fromstring(i, sep=' '))
dataframe= dataframe.dropna()
images_array = np.vstack(dataframe['Image'].values)/255.0
images_array = images_array.astype(np.float32)
images_array = images_array.reshape(-1, 96, 96, 1)
print(images_array.shape)
labels_array = dataframe[dataframe.columns[:-1]].values
labels_array = (labels_array-48)/48
labels_array = labels_array.astype(np.float32)
我有两个数组中的图像和标签。如何从中创建培训集并使用转换。
然后使用数据加载器加载它。创建torch.utils.data.Dataset的子类,用数据填充它。
您可以将所需的torchvision.transforms传递给它,并将其应用于_getitem__self,index中的数据
然后您可以将其传递给torch.utils.data.DataLoader,它允许多线程加载数据
PyTorch有一个压倒性的优势,你应该首先参考