pytorch学习教程之自定义数据集


Posted in Python onNovember 10, 2020

自定义数据集

在训练深度学习模型之前,样本集的制作非常重要。在pytorch中,提供了一些接口和类,方便我们定义自己的数据集合,下面完整的试验自定义样本集的整个流程。

开发环境

  • Ubuntu 18.04
  • pytorch 1.0
  • pycharm

实验目的

  1. 掌握pytorch中数据集相关的API接口和类
  2. 熟悉数据集制作的整个流程

实验过程

1.收集图像样本

以简单的猫狗二分类为例,可以在网上下载一些猫狗图片。创建以下目录:

  • data-------------根目录
  • data/test-------测试集
  • data/train------训练集
  • data/val--------验证集

pytorch学习教程之自定义数据集

在test/train/val之下在校分别创建2个文件夹,dog, cat

pytorch学习教程之自定义数据集

cat, dog文件夹下分别存放2类图像:

pytorch学习教程之自定义数据集

标签

种类 标签
cat 0
dog 1

之后写一个简单的python脚本,生成txt文件,用于指明每个图像和标签的对应关系。

格式: /cat/1.jpg 0 \n dog/1.jpg 1 \n .....

如图:

pytorch学习教程之自定义数据集

至此,样本集的收集以及简单归类完成,下面将开始采用pytorch的数据集相关API和类。

2. 使用pytorch相关类,API对数据集进行封装

2.1 pytorch中数据集相关的类,接口

pytorch中数据集相关的类位于torch.utils.data package中。

https://pytorch.org/docs/stable/data.html

pytorch学习教程之自定义数据集

本次实验,主要使用以下类:

torch.utils.data.Dataset
torch.utils.data.DataLoader

pytorch学习教程之自定义数据集

Dataset类的使用: 所有的类都应该是此类的子类(也就是说应该继承该类)。 所有的子类都要重写(override) __len()__, __getitem()__ 这两个方法。

方法 作用
__len()__ 此方法应该提供数据集的大小(容量)
__getitem()__ 此方法应该提供支持下标索方式引访问数据集

这里和Java抽象类很相似,在抽象类abstract class中,一般会定义一些抽象方法abstract method,抽象方法:只有方法名没有方法的具体实现。如果一个子类继承于该抽象类,要重写(overrode)父类的抽象方法。

DataLoader类的使用:

pytorch学习教程之自定义数据集

2.2 实现

使用到的python package

python package 目的
numpy 矩阵操作,对图像进行转置
skimage 图像处理,图像I/O,图像变换
matplotlib 图像的显示,可视化
os 一些文件查找操作
torch pytorch
torvision pytorch

源码

导入python包

import numpy as np
from skimage import io
from skimage import transform
import matplotlib.pyplot as plt
import os
import torch
import torchvision
from torch.utils.data import Dataset, DataLoader
from torchvision.transforms import transforms
from torchvision.utils import make_grid

第一步:

定义一个子类,继承Dataset类, 重写 __len()__, __getitem()__ 方法。

细节:

1.数据集中一个一样的表示:采用字典的形式sample = {'image': image, 'label': label}。

2.图像的读取:采用skimage.io进行读取,读取之后的结果为numpy.ndarray形式。

3.图像变换:transform参数

# step1: 定义MyDataset类, 继承Dataset, 重写抽象方法:__len()__, __getitem()__
class MyDataset(Dataset):

 def __init__(self, root_dir, names_file, transform=None):
 self.root_dir = root_dir
 self.names_file = names_file
 self.transform = transform
 self.size = 0
 self.names_list = []

 if not os.path.isfile(self.names_file):
  print(self.names_file + 'does not exist!')
 file = open(self.names_file)
 for f in file:
  self.names_list.append(f)
  self.size += 1

 def __len__(self):
 return self.size

 def __getitem__(self, idx):
 image_path = self.root_dir + self.names_list[idx].split(' ')[0]
 if not os.path.isfile(image_path):
  print(image_path + 'does not exist!')
  return None
 image = io.imread(image_path) # use skitimage
 label = int(self.names_list[idx].split(' ')[1])

 sample = {'image': image, 'label': label}
 if self.transform:
  sample = self.transform(sample)

 return sample

第二步

实例化一个对象,并读取和显示数据集

train_dataset = MyDataset(root_dir='./data/train',
    names_file='./data/train/train.txt',
    transform=None)

plt.figure()
for (cnt,i) in enumerate(train_dataset):
 image = i['image']
 label = i['label']

 ax = plt.subplot(4, 4, cnt+1)
 ax.axis('off')
 ax.imshow(image)
 ax.set_title('label {}'.format(label))
 plt.pause(0.001)

 if cnt == 15:
 break

只显示了部分数据,前部分全是cat

pytorch学习教程之自定义数据集

第三步(可选 optional)

对数据集进行变换:一般收集到的图像大小尺寸,亮度等存在差异,变换的目的就是使得数据归一化。另一方面,可以通过变换进行数据增加data argument

关于pytorch中的变换transforms,请参考该系列之前的文章

由于数据集中样本采用字典dicts形式表示。 因此不能直接调用torchvision.transofrms中的方法。

本实验只进行尺寸归一化Resize, 数据类型变换ToTensor操作。

Resize

# # 变换Resize
class Resize(object):

 def __init__(self, output_size: tuple):
 self.output_size = output_size

 def __call__(self, sample):
 # 图像
 image = sample['image']
 # 使用skitimage.transform对图像进行缩放
 image_new = transform.resize(image, self.output_size)
 return {'image': image_new, 'label': sample['label']}

ToTensor

# # 变换ToTensor
class ToTensor(object):

 def __call__(self, sample):
 image = sample['image']
 image_new = np.transpose(image, (2, 0, 1))
 return {'image': torch.from_numpy(image_new),
  'label': sample['label']}

第四步: 对整个数据集应用变换

细节: transformers.Compose() 将不同的几个组合起来。先进行Resize, 再进行ToTensor

# 对原始的训练数据集进行变换
transformed_trainset = MyDataset(root_dir='./data/train',
    names_file='./data/train/train.txt',
    transform=transforms.Compose(
    [Resize((224,224)),
    ToTensor()]
    ))

第五步: 使用DataLoader进行包装

为何要使用DataLoader?

① 深度学习的输入是mini_batch形式

② 样本加载时候可能需要随机打乱顺序,shuffle操作

③ 样本加载需要采用多线程

pytorch提供的DataLoader封装了上述的功能,这样使用起来更方便。

# 使用DataLoader可以利用多线程,batch,shuffle等
trainset_dataloader = DataLoader(dataset=transformed_trainset,
     batch_size=4,
     shuffle=True,
     num_workers=4)

可视化:

def show_images_batch(sample_batched):
 images_batch, labels_batch = \
 sample_batched['image'], sample_batched['label']
 grid = make_grid(images_batch)
 plt.imshow(grid.numpy().transpose(1, 2, 0))


# sample_batch: Tensor , NxCxHxW
plt.figure()
for i_batch, sample_batch in enumerate(trainset_dataloader):
 show_images_batch(sample_batch)
 plt.axis('off')
 plt.ioff()
 plt.show()


plt.show()

通过DataLoader包装之后,样本以min_batch形式输出,而且进行了随机打乱顺序。

pytorch学习教程之自定义数据集

pytorch学习教程之自定义数据集

pytorch学习教程之自定义数据集

pytorch学习教程之自定义数据集

至此,自定义数据集的完整流程已实现,test, val集只需要改路径即可。

补充

更简单的方法

上述继承Dataset, 重写 __len()__, __getitem() 是通用的方法,过程相对繁琐。对于简单的分类数据集,pytorch中提供了更简便的方式——ImageFolder。

如果每种类别的样本放在各自的文件夹中,则可以直接使用ImageFolder。

仍然以cat, dog 二分类数据集为例:

文件结构:

pytorch学习教程之自定义数据集
pytorch学习教程之自定义数据集
pytorch学习教程之自定义数据集

Code

import torch
from torch.utils.data import DataLoader
from torchvision import transforms, datasets
import matplotlib.pyplot as plt
import numpy as np


# https://pytorch.org/tutorials/beginner/data_loading_tutorial.html

# data_transform = transforms.Compose([
#  transforms.RandomResizedCrop(224),
#  transforms.RandomHorizontalFlip(),
#  transforms.ToTensor(),
#  transforms.Normalize(mean=[0.485, 0.456, 0.406],
#       std=[0.229, 0.224, 0.225])
# ])

data_transform = transforms.Compose([
 transforms.Resize((224,224)),
 transforms.RandomHorizontalFlip(),
 transforms.ToTensor(),

])

train_dataset = datasets.ImageFolder(root='./data/train',transform=data_transform)
train_dataloader = DataLoader(dataset=train_dataset,
        batch_size=4,
        shuffle=True,
        num_workers=4)


def show_batch_images(sample_batch):
 labels_batch = sample_batch[1]
 images_batch = sample_batch[0]

 for i in range(4):
  label_ = labels_batch[i].item()
  image_ = np.transpose(images_batch[i], (1, 2, 0))
  ax = plt.subplot(1, 4, i + 1)
  ax.imshow(image_)
  ax.set_title(str(label_))
  ax.axis('off')
  plt.pause(0.01)


plt.figure()
for i_batch, sample_batch in enumerate(train_dataloader):
 show_batch_images(sample_batch)

 plt.show()

由于 train 目录下只有2个文件夹,分别为cat, dog, 因此ImageFolder安装顺序对cat使用标签0, dog使用标签1。

pytorch学习教程之自定义数据集

pytorch学习教程之自定义数据集

pytorch学习教程之自定义数据集

End

参考:

https://pytorch.org/docs/stable/data.html

https://pytorch.org/tutorials/beginner/data_loading_tutorial.html

到此这篇关于pytorch学习教程之自定义数据集的文章就介绍到这了,更多相关pytorch自定义数据集内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
python连接池实现示例程序
Nov 26 Python
DJANGO-ALLAUTH社交用户系统的安装配置
Nov 18 Python
Python的Django框架中自定义模版标签的示例
Jul 20 Python
使用python实现rsa算法代码
Feb 17 Python
利用Python脚本生成sitemap.xml的实现方法
Jan 31 Python
python探索之BaseHTTPServer-实现Web服务器介绍
Oct 28 Python
浅谈关于Python3中venv虚拟环境
Aug 01 Python
python TKinter获取文本框内容的方法
Oct 11 Python
python列表使用实现名字管理系统
Jan 30 Python
opencv实现简单人脸识别
Feb 19 Python
python调用API接口实现登陆短信验证
May 10 Python
简述python&pytorch 随机种子的实现
Oct 07 Python
pytorch加载语音类自定义数据集的方法教程
Nov 10 #Python
sublime3之内网安装python插件Anaconda的流程
Nov 10 #Python
python+excel接口自动化获取token并作为请求参数进行传参操作
Nov 10 #Python
python request 模块详细介绍
Nov 10 #Python
解决使用Pandas 读取超过65536行的Excel文件问题
Nov 10 #Python
python各种excel写入方式的速度对比
Nov 10 #Python
Python 使用xlwt模块将多行多列数据循环写入excel文档的操作
Nov 10 #Python
You might like
php实现异步数据调用的方法
2015/12/24 PHP
PHP基于socket实现的简单客户端和服务端通讯功能示例
2017/07/10 PHP
php多进程中的阻塞与非阻塞操作实例分析
2020/03/04 PHP
PHP设计模式(五)适配器模式Adapter实例详解【结构型】
2020/05/02 PHP
JavaScript URL参数读取改进版
2009/01/16 Javascript
javascript 用记忆函数快速计算递归函数
2010/03/15 Javascript
使用jQuery插件创建常规模态窗口登陆效果
2013/08/23 Javascript
利用jquery包将字符串生成二维码图片
2013/09/12 Javascript
JS关闭窗口或JS关闭页面的几种代码分享
2013/10/25 Javascript
让alert不出现弹窗的两种方法
2014/05/18 Javascript
深入探讨JavaScript String对象
2015/03/09 Javascript
关于JS中prototype的理解
2015/09/07 Javascript
jquery层级选择器的实现(匹配后代元素div)
2016/09/05 Javascript
Bootstrap页面缩小变形的快速解决办法
2017/02/03 Javascript
js实现城市级联菜单的2种方法
2017/06/23 Javascript
浅谈VUE-CLI脚手架热更新太慢的原因和解决方法
2018/09/28 Javascript
详解vue或uni-app的跨域问题解决方案
2020/02/21 Javascript
Vue.js实现立体计算器
2020/02/22 Javascript
python处理大数字的方法
2015/05/27 Python
Win10下Python环境搭建与配置教程
2016/11/18 Python
python用Pygal如何生成漂亮的SVG图像详解
2017/02/10 Python
Django中数据库的数据关系:一对一,一对多,多对多
2018/10/21 Python
基于Django静态资源部署404的解决方法
2019/07/28 Python
python二进制读写及特殊码同步实现详解
2019/10/11 Python
Python sorted对list和dict排序
2020/06/09 Python
pytorch 查看cuda 版本方式
2020/06/23 Python
HTML5中的Web Notification桌面右下角通知功能的实现
2018/04/19 HTML / CSS
美国精品家居用品网站:US-Mattress
2016/08/24 全球购物
英国天然有机美容护肤品:Neal’s Yard Remedies
2018/05/05 全球购物
Pretty Little Thing美国:时尚女性服饰
2018/08/27 全球购物
应届大专毕业生个人自荐信
2013/09/22 职场文书
婚礼秀策划方案
2014/05/19 职场文书
教师竞聘上岗演讲稿
2014/09/03 职场文书
2015年宣传工作总结
2015/04/08 职场文书
2015年保险公司个人工作总结
2015/05/22 职场文书
Python TypeError: ‘float‘ object is not subscriptable错误解决
2022/12/24 Python