首页 > 其他分享 >image-classification-dataset

image-classification-dataset

时间:2024-06-23 10:53:55浏览次数:19  
标签:classification image batch dataset train trans data size

import torchtext
from torchvision import transforms
from torch.utils import data
from d2l import torch as d2l
import torchvision

trans = transforms.ToTensor()

fashion_mnist_train = torchvision.datasets.FashionMNIST("../data" , 
                                                        train = True , 
                                                        transform = trans , 
                                                        download = True)
fashion_mnist_test = torchvision.datasets.FashionMNIST("../data", 
                                                       train = True , 
                                                       transform = trans , 
                                                       download = True)

def get_fashion_mnist_label(label):
    text_labels = ['t-shirt', 'trouser', 'pullover', 'dress', 'coat',
                   'sandal', 'shirt', 'sneaker', 'bag', 'ankle boot']
    return [ text_labels[i] for i in label ]

batch_size = 50
dataloader_train = data.DataLoader(fashion_mnist_train , 
                                   batch_size =batch_size  , 
                                   shuffle= True , 
                                   num_workers = 0 )

dataloader_test = data.DataLoader(fashion_mnist_test ,
                                  batch_size = batch_size ,
                                  shuffle = False ,
                                  num_workers = 0
                                 )  
a = [1,2]
a.insert(0,5)
print(a)
[5, 1, 2]
def get_fashion_mnist_dataloader(batch_size , resize = None):
    trans = [transforms.ToTensor()]
    if resize:
        trans.insert(0,transforms.Resize(resize))
        
    trans  = transforms.Compose(trans)
    train_dataset = torchvision.datasets.FashionMNIST("../data",
                                                      train = True,
                                                      transform = trans,
                                                      download = True
                                                     )
    test_dataset = torchvision.datasets.FashionMNIST("../data",
                                                     train = False,
                                                     transform = trans,
                                                     download = True
                                                    )
    return ( 
            data.DataLoader( train_dataset , batch_size = batch_size , shuffle = True , num_workers = 0 ) , 
            data.DataLoader( test_dataset , batch_size = batch_size , shuffle = False , num_workers = 0 )
    )  
batch_size= 50
train_dataloader , test_dataloader = get_fashion_mnist_dataloader(batch_size , resize= (60,60))

for X , Y  in train_dataloader:
    print(X.shape , Y.shape)
    break
for X, Y in test_dataloader:
    print(X.shape , Y.shape)
    break
torch.Size([50, 1, 60, 60]) torch.Size([50])
torch.Size([50, 1, 60, 60]) torch.Size([50])

重点函数

  • transforms.ToTensor() 不可忘记括号
  • 同时 结合transforms.Compose() 传入一个列表 顺序对数据进行处理 作为合成的trans
  • 图片转换相关函数 在 torchvision.transforms
  • 常用dataset在 torchvision.dataset里
  • 读取常用数据集流程
    • 应用 torchvision.transforms 封装好trans
    • 应用 torchvision.dataset 读取出相应数据集
      • 配置参数:
      • data:数据位置,
      • train:bool 是否读取训练集false则代表测试集 ,
      • transform:格式转换。
      • download:是否下载数据集
    • 应用torch.utils.data.Dataloader 将dataset 封装为一个可迭代对象
      • 配置参数:
      • dataset:对应dataset
      • batch_size:批量大小
      • shuffle:是否打乱

标签:classification,image,batch,dataset,train,trans,data,size
From: https://www.cnblogs.com/cndccm/p/18263152

相关文章

  • 点云处理中阶 RangeImages
    目录一、什么是深度图1、深度图的特点与生成二、深度图的应用1、深度图的应用三、深度图前沿应用四、PCL中定义的RangeImage1、从点云创建深度图从深度图中提取边界四、资料补充1、什么是莫尔条纹法莫尔条纹法的原理莫尔条纹法的应用莫尔条纹法的优势和局限优势......
  • Android开发系列(五)Jetpack Compose之Icon & Image
      Icon是用于在界面上显示矢量图标的组件。它提供了很多内置的矢量图标,也支持自定义图标。要使用Icon组件,可以通过指定图标资源的名称或引用来创建一个Icon对象。例如,使用Icons.Default.Home来创建一个默认风格的首页图标。可以通过设置图标的大小、颜色、和点击事件等属性......
  • 【MindSpore学习打卡】初学教程-04数据集 Dataset-使用MindSpore实现高效数据加载与预
    在深度学习的世界里,数据是模型训练的根基。高质量的数据输入不仅能提升模型的性能,还能加速训练过程。MindSpore提供了一个强大的数据引擎,通过数据集(Dataset)和数据变换(Transforms)实现高效的数据预处理。本文将详细介绍如何使用MindSpore加载和处理数据集,并通过具体的示例......
  • 准入控制器(Admission Controller):ResourceQuota,ImagePolicyWebhook
    目录一.系统环境二.前言三.准入控制器简介四.为什么需要准入控制器五.启用/禁用ResourceQuota资源配额5.1查看默认启用/禁用的准入控制器插件5.2ResourceQuota资源配额示例5.3禁用ResourceQuota六.配置ImagePolicyWebhook准入控制器禁止使用后缀为latest的镜像6.1搭建Webhook......
  • 阅读笔记:DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
    以下是原论文分析,欢迎指正~DualGAN:用于图像转换的无监督双向学习作者:ZiliYi、Hao(Richard)Zhang、PingTan和MinglunGong纽芬兰纪念大学西蒙弗雷泽大学摘要  使用条件生成对抗网络(conditionalGAN)进行跨域图像转换在过去一年中取得了重大改进.根据任务的复杂程度......
  • 【SkiaSharp绘图05】SKPaint详解(三)之ImageFilter(颜色、组合、膨胀、移位、光照、反射
    文章目录ImageFilterCreateColorFilter颜色滤镜CreateCompose滤镜组合CreateDilate膨胀滤镜CreateDisplacementMapEffect移位映射CreateDistantLitDiffuse光照CreateDistantLitSpecular反射光照CreateDropShadow阴影效果CreateDropShadowOnly只阴影效果CreateErod......
  • 论文阅读:Improved Graph Contrastive Learning for Short Text Classification
    LiuY,HuangL,GiunchigliaF,etal.Improvedgraphcontrastivelearningforshorttextclassification[C]//ProceedingsoftheAAAIConferenceonArtificialIntelligence.2024,38(17):18716-18724.GIFT模型的github网址整体框架图首先,构建一个由Gw、Ge和Gp三......
  • [论文阅读] BBDM@ Image-to-Image Translation With Brownian Bridge Diffusion Model
    Pretitle:BBDM:Image-to-ImageTranslationWithBrownianBridgeDiffusionModelssource:CVPR2023paper:https://arxiv.org/abs/2205.07680code:https://github.com/xuekt98/BBDM关键词:I2I,BrownianBridge,Diffusion阅读理由:挺新奇的MotivationGAN-based......
  • No connection adapters were found for 'data:image/png;base64
    Noconnectionadapterswerefoundfor'data:image/png;base64,...' 这个错误通常发生在尝试使用像requests这样的HTTP库去访问一个DataURIscheme时。DataURIscheme(如data:image/png;base64,...)不是一个有效的URL,而是一个嵌入在文档或网页中的二进制数据的直接表示,通常用于......
  • html2canvas插件 线上image转base64
    UncaughtDOMException:Failedtoexecute'toDataURL'on'HTMLCanvasElement':Taintedcanvasesmaynotbeexported.html2canvas,如果html中有image,需要转base64才能正常转换image。本地调试可能存在跨域访问图片问题。由于图片服务器未开启跨域允许权限。Access-Control-A......