处理数据 1.加载系统数据集 2.创建自定义数据集 3.迭代和可视化数据集 4.DataLoaders为模型处理数据 5.通过DataLoader迭代 1.加载系统数据集 系统
处理数据
- 1.加载系统数据集
- 2.创建自定义数据集
- 3.迭代和可视化数据集
- 4.DataLoaders为模型处理数据
- 5.通过DataLoader迭代
1.加载系统数据集
系统数据集可以从torchVision 中加载获取,
这里以 Fashion-MNIST 数据集的示例。Fashion-MNIST是Zalando文章图像的数据集,由6万个训练样本和10,000个样本组成。每个样本包括一个28×28灰度图像和来自10个类之一的相关标签
参数说明:
- root:指定数据集下载的路径
- train:指导下载的是训练集还是测试机,train=True为训练集,train=False为测试集
- download:download=True表示下载数据集,download=False表示不下载(如果下载了一次,程序为自动跳过下载)
- transform:指定数据集的数据转换(包含数据正则化,归一化,或者是图像旋转、图像灰度化等)
- ToTensor:将PIL图像或NumPy ndarray转换为Tensor。并将图像的像素值缩放到[0,1]范围内
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt
training_data = datasets.FashionMNIST(
root="data",
train=True,
download=True,
transform=ToTensor()
)
test_data = datasets.FashionMNIST(
root="data",
train=False,
download=True,
transform=ToTensor()
)
2.创建自定义数据集
自定义数据集,首先先规定数据集需要的相关文件,以及文件的存储位置。
- 图像保存在img_dir目录中
- 图像的注释文件保存在annotations_file文件中
具体如何生成注释文件参考我的另一篇文章
注释文件生成
import pandas as pd
from torchvision.io import read_image
class CustomImageDataset(Dataset):
def __init__(self, annotations_file, img_dir, transform=None, target_transform=None):
self.img_labels = pd.read_csv(annotations_file)
self.img_dir = img_dir
self.transform = transform
self.target_transform = target_transform
def __len__(self):
return len(self.img_labels)
def __getitem__(self, idx):
img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])
image = read_image(img_path)
label = self.img_labels.iloc[idx, 1]
if self.transform:
image = self.transform(image)
if self.target_transform:
label = self.target_transform(label)
return image, label
3.迭代和可视化数据集
labels_map = {0: "T-Shirt",
1: "Trouser",
2: "Pullover",
3: "Dress",
4: "Coat",
5: "Sandal",
6: "Shirt",
7: "Sneaker",
8: "Bag",
9: "Ankle Boot",
}
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
sample_idx = torch.randint(len(training_data), size=(1,)).item()
img, label = training_data[sample_idx]
figure.add_subplot(rows, cols, i)
plt.title(labels_map[label])
plt.axis("off")
plt.imshow(img.squeeze(), cmap="gray")
plt.show()
这里的img.squeeze()函数解释一下:
原始的img.shape为(H,W,1)
squeeze()函数的功能是:从矩阵shape中,去掉维度为1的。例如一个矩阵是的shape是(5, 1),使用过这个函数后,结果为(5,),因此img.squeeze() 对应的shape为(H,W)
4.DataLoaders为模型处理数据
DataLoader是一个迭代器,将数据集分成相同小批量,且每个小批量中样本,对应着样本的索引、数据和标签。
参数说明:
- batch_size:每个批次的样本个数
- shuffle:是否打乱数据集顺序
- num_workers:使用几个线程来处理这些数据,线程越多处理速度越快
train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True,num_workers=2)
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True,num_workers=2)
5.通过DataLoader迭代
# Display image and label.train_features, train_labels = next(iter(train_dataloader))
print(f"Feature batch shape: {train_features.size()}")
print(f"Labels batch shape: {train_labels.size()}")
img = train_features[0].squeeze()
label = train_labels[0]
plt.imshow(img, cmap="gray")
plt.show()
print(f"Label: {label}")