pytorch深度神经元网络新手入门提前准备自己拍的照片数据信息丨本际云推荐

pytorch深度神经元网络新手入门提前准备自己拍的照片数据信息

pytorch深度神经元网络新手入门

本文旨在介绍如何准备自己的照片数据信息实例，并利用pytorch深度神经元网络进行训练。

pytorch深度神经元网络新手入门提前准备自己拍的照片数据信息

图片数据的准备工作

图片数据主要有两种状况：

全部图片放到一个文件夹内，此外有个txt文件表明标识。
不同类型照片放到不同类型的文件夹内，文件夹便是图形的类型。

对于这两个不同的状况，数据的准备工作也有所不同，第一类状况可以定制一个Dataset，第二类状况可以调用torchvision.datasets.ImageFolder去处理。

全部图片放到一个文件夹内

以mnist数据的10000个test为例，先将test集的10000个图片保存出来，并生成相应的标签txt文档。然后构建一个空文件夹mnist_test，用以储存10000张照片，并运行代码：

  
import torch
import torchvision
import matplotlib.pyplot as plt
from skimage import io

mnist_test=torchvision.datasets.MNIST('./mnist',train=False,download=True)
print('test set:',len(mnist_test))

f=open('mnist_test.txt','w')
for i,(img,label)in enumerate(mnist_test):
    img_path="./mnist_test/"+str(i)+".jpg"
    io.imsave(img_path,img)
    f.write(img_path+''+str(label)+'n')
f.close()

10000张图片就保存在mnist_test文件夹里了，并在当前目录下生成了一个mnist_test.txt的文件。

不同类别的图片放在不同的文件夹内

以flowers数据集为例，共有五类照片，分别放在5个文件夹下。准备好数据后，直接利用torchvision里面的ImageFolder调用，代码如下：

  
import torch
import torchvision
from torchvision import transforms,utils
import matplotlib.pyplot as plt

img_data=torchvision.datasets.ImageFolder('D:/bnu/database/flower',
transform=transforms.Compose([
    transforms.Scale(256),
    transforms.CenterCrop(224),
    transforms.ToTensor()])
)

print(len(img_data))
data_loader=torch.utils.data.DataLoader(img_data,batch_size=20,shuffle=True)
print(len(data_loader))

def show_batch(imgs):
    grid=utils.make_grid(imgs,nrow=5)
    plt.imshow(grid.numpy().transpose((1,2,0)))
    plt.title('Batch from dataloader')
  
for i,(batch_x,batch_y)in enumerate(data_loader):
    if(i<4):
        print(i,batch_x.size(),batch_y.size())
    show_batch(batch_x)
    plt.axis('off')
    plt.show()

以上就是准备照片数据的过程，接下来就可以利用pytorch深度神经元网络进行训练了。

原创文章，作者：小编小本本，如若转载，请注明出处：https://www.benjiyun.com/yunzhujiyunwei/vps-yunwei/6894.html